Informatique - Apprentissage automatique

Un nouveau modèle améliore la prédiction de la conception de circuits grâce à des hypergraphes dirigés.

La recherche étudie le biais de genre en évaluant l'équité statistique et causale dans les modèles NLP.

Intégrer des images de la vue de la rue dans les itinéraires de conduite améliore l'expérience utilisateur.

Explorer le rôle de l'entraînement à la cohérence personnelle pour améliorer la prédiction Hamiltonienne des propriétés moléculaires.

Une nouvelle méthode pour que les robots apprennent en continu à partir de données limitées.

Une nouvelle méthode améliore la quantification de l'incertitude dans les DeepONets en utilisant l'inversion d'Ensemble Kalman.

SVGCraft génère des graphiques vectoriels à partir de descriptions textuelles avec une qualité et une rapidité de ouf.

Ce travail présente un cadre systématique pour analyser les algorithmes de machine learning.

NYCTALE améliore l'évaluation des nodules pulmonaires grâce à une analyse avancée des scans CT.

Une nouvelle approche pour résoudre efficacement les modèles d'Ising en utilisant des réseaux de neurones.

Cette étude se concentre sur l'amélioration de l'adaptabilité dans les algorithmes d'apprentissage par renforcement profond.

Un nouveau modèle améliore notre façon d'analyser le sentiment public à partir des tweets.

Explorer les problèmes de copyright posés par l'IA générative et les méthodes de protection.

Apprends comment les modèles de diffusion améliorent la qualité des images et des sons en réduisant le bruit.

GeoBFN s'attaque aux principaux défis pour générer des structures moléculaires 3D précises.

Une nouvelle méthode améliore l'analyse d'images de tissus pour un meilleur diagnostic.

Une exploration de comment les modèles de langage prédisent les futurs tokens par rapport à la pensée humaine.

Nouvelles méthodes pour détecter des activités inhabituelles dans des vidéos tout en garantissant la vie privée.

Une méthode pour maximiser les profits tout en prenant en compte les coûts des prix et de la pub sur les différents marchés.

Une nouvelle méthode s'attaque aux problèmes clés de l'apprentissage continu : la plasticité et l'oubli.

FedD2S améliore l'apprentissage fédéré en personnalisant les modèles tout en préservant la vie privée des données.

Un système qui aide les robots à détecter et réparer les échecs de tâches en temps réel.

Examiner les défis de performance rencontrés par les algorithmes invariants de rotation dans des scénarios de données bruyantes et rares.

Une nouvelle approche combine l'apprentissage automatique avec la dynamique des fluides pour des simulations améliorées.

Explore les risques de confidentialité et les défenses liés aux données synthétiques créées par des GAN.

Stratégies pour améliorer les autoencodeurs variationnels dans la gestion des ensembles de données incomplets.

Une méthode qui améliore la qualité des images IRM en utilisant moins de données.

Recherche sur la prédiction des vibrations dans les véhicules électriques en utilisant le modèle Resoformer.

Un nouveau cadre aide les modèles de langage à apprendre de leurs erreurs dans la résolution de problèmes.

Cette étude examine comment la profondeur des transformateurs affecte les tâches d'apprentissage.

Cet article parle d'estimer les performances des modèles de base sans avoir besoin de beaucoup de données étiquetées.

TraveLER améliore la compréhension des vidéos grâce à des questions interactives pour de meilleures réponses.

Des systèmes automatisés simplifient la collecte de données à partir de la littérature scientifique en chimie.

Cet article parle de l'équité robuste et précise dans l'apprentissage profond et de ses effets.

Une méthode pour évaluer le style artistique dans les images générées.

Un cadre pour entraîner des modèles de machine learning tout en protégeant la vie privée.

Un nouveau modèle améliore l'analyse des données de télédétection en utilisant des approches multisenseurs.

Une méthode qui combine le langage et les propriétés physiques pour créer des scènes 3D dynamiques.

BEM propose une solution pour améliorer les modèles avec des classes déséquilibrées en apprentissage semi-supervisé.

Explorer comment des données inoffensives peuvent, sans le vouloir, produire des résultats nuisibles dans les modèles de langage.