Informatique - Apprentissage automatique

De nouvelles méthodes améliorent la flexibilité et les performances des modèles dans les tâches audio.

SID améliore la recherche de lois de conservation dans différents domaines scientifiques.

Cette étude explore les stratégies de navigation dans un environnement simulé de labyrinthe aquatique de Morris.

Une étude sur comment les détails de localisation améliorent l'identification des modes de déplacement.

Une nouvelle approche améliore la segmentation IRM pour de meilleurs résultats médicaux.

Une étude montre comment les quadrupèdes changent de démarche pour garder leur équilibre et être plus efficaces.

Un nouvel outil de référence aide à concevoir des dispositifs nanophotoniques en utilisant l'IA et le ML.

Examen de comment la manipulation influence l'interprétation des réseaux de neurones profonds.

Découvrez comment le triclustering aide à déceler des motifs dans des données tensoriales complexes.

Ind-KNN améliore les prédictions privées tout en protégeant la vie privée des individus dans les applications basées sur les données.

Présentation d'une méthode efficace pour transférer le savoir en apprentissage automatique d'un environnement à un autre.

Une nouvelle méthode hybride améliore l'estimation de l'information mutuelle en combinant des techniques génératives et discriminatives.

Cet article parle de nouvelles méthodes pour un entraînement conscient de la quantification efficace.

Une nouvelle méthode pour extraire efficacement des données géométriques des réseaux de neurones CPWA.

Une nouvelle approche utilisant l'augmentation de données instance par instance pour une meilleure robustesse des modèles face aux attaques.

Une nouvelle méthode améliore la recherche de solutions pour des problèmes complexes en utilisant les données passées.

Un aperçu du pré-entraînement masqué et de son lien avec la performance des modèles.

Cet article parle d'une nouvelle méthode pour classifier les neurones en utilisant l'apprentissage profond.

De nouvelles méthodes améliorent l'efficacité et la vitesse de l'apprentissage semi-supervisé basé sur les graphes.

Un aperçu de comment la cohérence améliore la génération d'images dans les modèles de diffusion.

L'optimisation bayésienne propose de nouvelles solutions pour une gestion efficace des eaux pluviales en milieu urbain.

Des chercheurs découvrent que des modèles plus simples peuvent rivaliser avec des réseaux plus profonds en termes de performance.

Un aperçu de l'efficacité des défenses certifiées par rapport à l'entraînement adversarial en apprentissage machine.

Apprends à propos du clustering et pourquoi c'est super important pour analyser les données efficacement.

Comparer NF4 et AF4 pour optimiser la quantification dans les modèles d'apprentissage automatique.

Cet article parle de l'importance de la détection de communautés dans l'analyse de réseaux.

Les politiques dynamiques neurales autonomes améliorent l'apprentissage des robots grâce à l'imitation et à l'adaptabilité.

Un nouveau cadre améliore la représentation des graphes en utilisant l'apprentissage auto-supervisé.

Un aperçu des dangers potentiels de l'IA et comment les gérer.

Utiliser de grands modèles de langage pour optimiser les DNN pour les petits appareils.

Un nouveau modèle cherche à clarifier le fonctionnement interne des réseaux de neurones profonds.

Une nouvelle méthode améliore les modèles d'apprentissage automatique pour gérer des classes inconnues pendant les tests.

Apprends comment les réseaux de neurones analysent les données structurées sous forme de graphes.

Explore comment l'info circule à travers des graphes acycliques dirigés et le rôle du vote majoritaire.

Un nouveau système aide les utilisateurs à choisir des polices en fonction de leur intention créative.

Une étude évalue comment les algorithmes aident à identifier les zones sous-performantes dans les modèles d'apprentissage automatique.

Un aperçu des biais dans le NLP et leur impact sur la société.

Améliorer les systèmes de recommandation de vidéos grâce aux identifiants sémantiques.

Examiner les obstacles et le potentiel de l'AutoML dans le contexte des grands modèles de langage.

Présentation d'un critère fiable pour évaluer les modèles génératifs face au bruit et aux défis des données.