Informatique - Apprentissage automatique

Explorer le rôle des modèles de fondation dans l'amélioration des résultats en santé.

Combiner des modèles de base et spécialisés renforce les capacités de l'IA de manière efficace.

Cette étude examine les facteurs qui influencent les courbes d'apprentissage en régression par crête noyau.

Enquête sur les vulnérabilités de l'apprentissage machine pour détecter les trojans matériels dans les CI.

Explorer le rôle des réseaux de neurones à valeurs hypercomplexes dans les applications modernes.

Les méthodes basées sur les données aident à prévoir les tendances du COVID-19 pour de meilleures décisions de santé publique.

Une nouvelle approche améliore l'apprentissage des caractéristiques dans les autoencodeurs variationnels.

Une nouvelle approche donne des explications claires pour les classifications de graphiques.

t-DGR propose une nouvelle approche de l'apprentissage continu, améliorant la rétention des tâches et la performance.

Un nouveau modèle intègre efficacement le traitement d'image 2D et 3D.

Un nouveau cadre améliore les SNN pour une meilleure efficacité et performance.

Un nouveau système améliore les performances des GNN sur de gros ensembles de données graphiques.

Explorer le potentiel des noyaux quantiques pour améliorer les techniques d'apprentissage automatique.

Combiner des données génétiques et de mobilité pourrait améliorer les prédictions sur les troubles liés à l'usage d'opioïdes.

Des experts partagent leurs idées sur les avancées de l'IA, les risques et les attentes pour l'avenir.

Les techniques d'apprentissage profond améliorent la surveillance et l'optimisation des systèmes électriques.

Cette étude met en lumière la complexité d'échantillonnage des algorithmes de descente de miroir de politique neuronale en apprentissage profond.

Une étude révèle les risques d'attaques par backdoor dans les tâches de prédiction de liens GNN.

De nouvelles méthodes ciblent le comportement des agents via des attaques pendant l'entraînement.

Découvrez des méthodes pour reproduire les bugs en apprentissage profond afin d'améliorer la fiabilité des logiciels.

Un nouveau cadre optimise les Réseaux Neuraux Tensoriels pour une meilleure efficacité et performance.

Combiner des modèles 2D et 3D améliore la précision des prédictions des propriétés moléculaires.

Des méthodes avancées améliorent la précision et l'efficacité dans la gestion des données manquantes.

MOTO améliore l'apprentissage des robots en combinant l'entraînement hors ligne avec un ajustement en ligne.

E2ABL propose une nouvelle approche pour améliorer la sécurité des modèles contre les menaces de backdoor.

L'apprentissage par renforcement multi-objectifs gère des buts concurrents pour une meilleure prise de décision.

Analyser la stabilité dans l'entraînement adversarial pour améliorer la généralisation du modèle.

Une étude sur l'identification et la gestion des suppositions dans les projets d'apprentissage profond en utilisant le jeu de données AssuEval.

Un aperçu de l’entraînement modulaire inspiré du cerveau pour une meilleure clarté des modèles d'IA.

Cette recherche examine comment ChatGPT améliore les systèmes de recommandation en utilisant les retours des utilisateurs.

Ce papier présente une méthode pour améliorer l'équité dans l'apprentissage fédéré tout en protégeant la vie privée des données.

Améliorer les méthodes pour détecter les transactions Bitcoin anormales afin de renforcer la sécurité du système.

Une nouvelle méthode permet aux agents d'apprendre ensemble tout en gérant des influences peu fiables.

Une étude présente une méthode pour identifier les cellules cancéreuses en utilisant des techniques d'imagerie avancées et l'apprentissage profond.

Des recherches montrent de nouvelles infos sur la largeur minimale pour des réseaux de neurones efficaces.

Utiliser l'apprentissage par renforcement profond pour améliorer l'efficacité des livraisons de camions.

Les outils d'IA transforment la façon dont les chercheurs accèdent et interagissent avec les infos académiques.

Utiliser l'apprentissage auto-supervisé pour améliorer les prédictions des mouvements de la parole dans la dysarthrie.

Explore comment les FGM améliorent l'optimisation sous contraintes de données.

Une nouvelle approche pour améliorer l'apprentissage fédéré malgré une participation inégale des utilisateurs.