Informatique - Apprentissage automatique

Cet article parle de l'impact de la sous-déclaration des données sur l'équité des modèles prédictifs.

Un aperçu simple de la façon dont les tenseurs interagissent dans les réseaux de neurones.

Examiner l'amplification des dommages dans les modèles de texte à image et son impact sur la société.

Découvre le monde économe en énergie des Réseaux de Neurones à Pointes et leurs méthodes d'apprentissage uniques.

BlackMamba combine des modèles d'état et un mélange d'experts pour des tâches de langue efficaces.

Un modèle d'apprentissage automatique estime les niveaux de pollution de l'air à travers l'Angleterre, comblant les lacunes de données.

Double-Dip combine l'apprentissage par transfert et la randomisation pour se protéger contre les attaques par inférence de membres.

Les modèles de base transforment l'avenir de la technologie de conduite autonome.

Examiner la relation entre l'apprentissage automatique quantique et les algorithmes classiques pour améliorer les performances.

Explorer des moyens d'améliorer la fiabilité des technologies d'intelligence artificielle distribuée.

Analyser le coût et l'efficacité des grands modèles de langage dans différentes tâches.

De nouvelles méthodes améliorent la séparation des signaux provenant de sources mélangées, en s'attaquant efficacement aux problèmes de bruit.

De nouvelles approches en apprentissage automatique améliorent les capacités de suivi des robots dans des environnements incertains.

Les jumeaux numériques aident à surveiller et à prédire les comportements complexes des systèmes dans différents domaines.

Des chercheurs améliorent des méthodes pour attaquer la cryptographie Learning With Errors en utilisant l'apprentissage automatique.

Un nouveau modèle améliore la classification des stades de sommeil en utilisant des matrices SPD.

Une nouvelle approche pour prédire des événements en utilisant des techniques d'apprentissage auto-supervisé.

Cette étude examine l'ajout de récurrence aux Transformers pour améliorer les performances dans les tâches d'apprentissage machine.

Présentation de FairEHR-CLP, un cadre pour des prédictions de santé justes et précises utilisant des données EHR.

Une façon plus rapide de garder les écrivains anonymes tout en gardant la clarté du texte.

ELRA ajuste les taux d'apprentissage pour améliorer l'efficacité de l'apprentissage automatique.

Un aperçu des techniques de renforcement sécurisé et de leurs applications dans le monde réel.

Une nouvelle méthode offre un meilleur retour pour entraîner les modèles de langue.

Explorer comment l'oubli machine aide à la confidentialité des données et à la conformité.

Cet article parle des méthodes d'apprentissage profond pour analyser les données de trajectoire dans différents domaines.

Une méthode pour améliorer la fiabilité dans la génération de texte en mesurant l'incertitude.

Un nouveau jeu de données révèle des infos sur l'utilisation des modèles pré-entraînés dans les projets logiciels.

De nouvelles techniques améliorent la vitesse et l'efficacité des attaques par morphing sur les systèmes de reconnaissance faciale.

Une nouvelle approche combine la collecte d'énergie avec l'apprentissage fédéré pour une meilleure gestion des batteries.

Une nouvelle méthode pour analyser des données fonctionnelles en utilisant des autoencodeurs de réseaux de neurones.

Des chercheurs ont développé un modèle qui améliore la stabilité des simulations de dynamique moléculaire.

Cette méthode accélère l'entraînement des modèles séquentiels sans sacrifier la précision.

Une nouvelle approche pour évaluer les modèles de machine learning sans données étiquetées.

De nouveaux systèmes automatisent les réponses aux actions de l'Office des brevets, ce qui améliore l'efficacité des avocats.

Un nouveau cadre aide les modèles génératifs à oublier les données sensibles tout en maintenant leurs performances.

Une nouvelle approche améliore la performance de l'apprentissage par renforcement hors ligne grâce à des mises à jour par gradient orthogonal.

Cet article parle d'une nouvelle méthode pour que les machines utilisent des outils dans des environnements dynamiques.

Un aperçu de la façon dont les Transformers et les GSSMs gèrent les tâches de copie.

Cette recherche améliore l'apprentissage par renforcement en ligne en utilisant la modélisation du rapport de densité pour une meilleure exploration.

Anticiper les événements futurs influence nos décisions au quotidien et dans la technologie.