Informatique - Apprentissage automatique

Un aperçu pour améliorer les techniques d'apprentissage pour les données dépendantes du temps.

Un projet intègre l'EEG pour améliorer l'éducation en sciences humaines grâce à la détection des émotions en temps réel.

La recherche met en avant des échantillons de choix pour un entraînement de modèles d'IA plus écolo.

Un guide pratique du package QuadratiK pour l'analyse de données sphériques.

Examiner les limites des LLMs pour comprendre et retenir les infos temporelles.

Une nouvelle méthode améliore l'identification des objets flexibles par les robots grâce à la traitement de texte et d'images.

Une nouvelle approche aide l'IA à garder ses connaissances tout en apprenant de nouvelles tâches.

Une nouvelle méthode améliore la compréhension des variables externes dans l'optimisation.

GPDiff propose des solutions pour les données urbaines limitées dans les applications de smart city.

Une étude révèle comment les modèles de transformateurs réalisent des tâches de raisonnement en utilisant des stratégies internes.

Les stations de recharge rapide jouent un rôle essentiel dans le soutien à la croissance des véhicules électriques.

Une analyse des systèmes de recommandation et comment améliorer leur efficacité.

Enquête sur l'audio deepfake pour améliorer les modèles de transcription pour les langues moins courantes.

Examiner comment l'auto-attention impacte la performance du modèle dans différentes tâches.

Explorer comment les réseaux de tenseurs peuvent améliorer la modélisation du langage à travers des chaînes de spins de Motzkin.

Un nouveau modèle vise à améliorer les prévisions des densités d'objets spatiaux en orbite basse autour de la Terre.

Une nouvelle approche améliore les prédictions pour des structures de graphes diverses en utilisant PM-FGW.

Cette recherche utilise l'apprentissage automatique pour améliorer la modélisation et la mesure des vagues d'eau.

Une nouvelle fonction de perte améliore l'estimation du rapport de densité en apprentissage automatique.

Les réseaux de Hopfield denses sont super efficaces pour la reconnaissance de motifs, surtout avec des données bruyantes.

UniST propose des prévisions urbaines avancées grâce à des techniques de modélisation adaptables.

Une nouvelle méthode améliore l'efficacité et la précision de la sélection des caractéristiques dans l'apprentissage sparse.

Un système qui surveille le traffic de communication pour améliorer la sécurité des véhicules et se protéger contre les menaces.

ProSparse améliore la sparsité d'activation dans les LLM pour une meilleure efficacité et performance.

Découvre une nouvelle méthode pour analyser des réseaux complexes à travers des structures hiérarchiques.

De nouvelles stratégies améliorent l'apprentissage avec des étiquettes faibles en sélectionnant des exemples négatifs pertinents.

Cette étude analyse les données Twitter pour évaluer la santé mentale dans les communautés.

Découvre comment LinkedIn améliore les recherches d'emploi pour les candidats et les employeurs.

Un nouveau cadre améliore l'efficacité de la mise en relation pour les jobs sur LinkedIn.

Un nouveau modèle identifie les distractions du conducteur pour améliorer la sécurité routière.

Une nouvelle méthode pour marquer des audios créés par des modèles de diffusion pour protéger les droits d'auteur.

De nouvelles méthodes visent à améliorer l'équité dans l'apprentissage automatique à travers différents endroits.

Une nouvelle méthode améliore l'apprentissage automatique en réduisant les corrélations trompeuses.

De nouvelles techniques améliorent les systèmes ASR pour une meilleure reconnaissance de la parole longue.

De nouveaux outils d'IA simplifient la création de textures 3D réalistes en utilisant des invites textuelles.

Une nouvelle méthode améliore l'apprentissage en combinant des démonstrations d'experts et des démonstrations sous-optimales.

BuffGraph améliore la classification pour les classes moins courantes dans les données de graphes déséquilibrées.

Aperçus sur le comportement de la descente de gradient et le bord de la stabilité.

Cette étude évalue les méthodes d'apprentissage automatique pour améliorer les systèmes de détection d'intrusion.

Une nouvelle approche améliore la détection de données invisibles dans les modèles d'apprentissage automatique.