Informatique - Apprentissage automatique

Une nouvelle méthode de filtrage s'attaque aux valeurs aberrantes pour une meilleure précision des données.

Une nouvelle méthode offre des perspectives plus claires sur les décisions des modèles d'apprentissage profond.

Cette étude s'attaque aux galères pour désapprendre des données des modèles d'apprentissage automatique.

Cet article examine le rôle de la normalisation par couches dans l'amélioration de la classification des réseaux de neurones.

DumpKV améliore l'efficacité du stockage des données en réduisant l'amplification des écritures.

Un cadre pour améliorer l'apprentissage continu avec des données structurées en graphes.

Cette étude examine les méthodes de regroupement d'images sur de grands ensembles de données, mettant en évidence les variations de performance.

Intégrer les SysCaps dans la modélisation énergétique simplifie la prise de décisions et améliore les prévisions.

Un nouveau système d'imagerie RF améliore la reconnaissance d'objets dans des environnements difficiles.

La nouvelle méthode SAVA améliore la sélection des données pour de meilleures performances du modèle.

Une nouvelle méthode améliore l'apprentissage fédéré tout en protégeant la vie privée des utilisateurs.

Augmenter le nombre de tours de communication réduit les coûts et améliore la performance des modèles en apprentissage fédéré.

Utiliser l'apprentissage profond pour améliorer la surveillance des émissions acoustiques des joints boulonnés.

Ce papier présente une méthode pour créer des classificateurs IA faciles à comprendre.

Cette étude explore des méthodes avancées pour un étiquetage de données efficace en utilisant des techniques de réseaux de neurones.

Une nouvelle méthode améliore la stabilité des GNN dans différentes situations de données.

Une nouvelle méthode améliore les conseils médicaux en utilisant des données passées tout en réduisant les risques.

Présentation d'un modèle innovant pour améliorer la précision des estimations de cardinalité dans les requêtes de base de données.

Un cadre qui détecte des anomalies dans les graphes tout en favorisant un traitement équitable.

Cet article examine comment les réseaux ReLU approchent des fonctions à faible régularité.

Une nouvelle méthode s'attaque au problème du démarrage à froid dans les systèmes de recommandation.

De nouvelles méthodes améliorent la simulation du mouvement brownien et des équations différentielles stochastiques.

Les DSNN traitent l'info comme de vrais neurones, offrant une meilleure efficacité pour gérer les données.

Explorer l'importance de la distance biharmonique pour comprendre la structure et la connectivité des graphes.

Une nouvelle approche améliore les capacités mathématiques des modèles de langue avec rapidité et précision.

Examiner la sur-optimisation dans les DAAs et son impact sur la performance des modèles.

Une nouvelle approche pour améliorer les expériences spécifiques aux utilisateurs dans les modèles de langage.

Une méthode pour créer des représentations claires en utilisant des questions oui/non.

Un aperçu des méthodes de confidentialité et de leur efficacité dans le partage de données.

Cette étude examine comment les LLM gèrent le raisonnement dans des scénarios abstraits et contextuels.

De nouvelles méthodes promettent des réseaux de neurones plus rapides et efficaces avec moins de consommation de ressources.

De nouvelles méthodes aident à trouver des systèmes intégrables en utilisant l'apprentissage automatique et l'expertise humaine.

Une nouvelle méthode pour évaluer l’efficacité des Graph Neural Networks dans différentes structures de réseau.

La microscopie à force atomique haute résolution aide à l'identification précise des molécules.

Une nouvelle méthode pour améliorer les mécanismes d'attention dans le traitement de données complexes.

Une nouvelle méthode améliore l'estimation de l'incertitude dans les prédictions d'apprentissage automatique.

Une nouvelle méthode améliore la protection de la vie privée pendant l'entraînement des modèles d'apprentissage profond.

Une nouvelle méthode améliore la compréhension des dépendances à long terme dans les graphiques dynamiques.

Une nouvelle approche pour améliorer la classification de graphes en utilisant l'analyse des données topologiques.

Une méthode pour améliorer la prise de décision dans l'apprentissage par renforcement en utilisant l'apprentissage de représentation.