Informatique - Apprentissage automatique

Examiner comment les symétries améliorent les modèles d'apprentissage automatique pour une meilleure analyse des données.

Une nouvelle méthode accélère le marquage des données et l'entraînement des modèles.

Une étude met en avant le rôle des microbes du sol dans la prédiction de la santé et de la productivité des plantes.

Une nouvelle méthode améliore la sélection de variables pour des ensembles de données complexes dans des tâches à deux vues.

Des chercheurs améliorent les prévisions de liaison des médicaments aux cibles avec des graphs de connaissances multimodaux.

Cet article parle d'améliorer les explications des arbres de décision pour des résultats plus justes.

Une nouvelle méthode améliore l'apprentissage à partir de jeux de données déséquilibrés dans l'apprentissage par renforcement hors ligne.

Examiner la performance des stratégies d'apprentissage par renforcement dans le trading d'actions.

Explore comment la douceur influence la performance du modèle sur des données non vues.

Examiner le rôle des outils d'IA dans la création de plans de bâtiments.

De nouvelles plateformes ouvertes visent à améliorer l'apprentissage fédéré grâce à la collaboration des utilisateurs.

Une nouvelle méthode pour visualiser les effets des caractéristiques dans des modèles d'apprentissage automatique dynamiques.

Présentation de VertiBench, un outil pour évaluer les algorithmes d'apprentissage fédéré vertical avec des jeux de données réalistes.

L'étude évalue la précision des cartes de couverture terrestre pour le suivi agricole en Afrique subsaharienne.

AdaStop améliore la fiabilité et l'efficacité des tests d'algorithmes de Deep RL.

Les joueurs s'échappent d'une maison en identifiant un tueur caché parmi eux.

Un aperçu des modèles de langage, de leurs processus d'apprentissage et de diverses applications.

Combiner des modèles améliore la performance des recommandations séquentielles en prenant en compte les changements de préférences des utilisateurs.

Une nouvelle méthode améliore le suivi du rythme cardiaque en utilisant des signaux PPG.

Un aperçu de l'importance de l'interprétabilité dans les réseaux de neurones profonds.

OpenDelta simplifie l’utilisation de gros modèles pré-entraînés pour différentes tâches.

Un nouveau modèle améliore le réalisme de la parole synthétique.

Un nouveau cadre booste l'apprentissage des compétences pour les agents IA grâce à des approches hiérarchiques.

Explore l'importance des fonctions de perte et des métriques de performance dans les modèles d'apprentissage profond.

Malafide introduit des techniques de spoofing sophistiquées, rendant les contre-mesures en reconnaissance vocale plus compliquées.

FedDec améliore l'apprentissage fédéré en permettant une communication directe entre les appareils pour un meilleur entraînement des modèles.

Un nouveau modèle améliore l'apprentissage des robots avec un minimum d'inputs de l'utilisateur.

L'Invariant Dropout améliore l'efficacité de l'entraînement en gérant les variations de performance des appareils.

Une nouvelle méthode utilise des données communautaires pour estimer les hauteurs des bâtiments pour des modèles de ville en 3D.

Une nouvelle méthode améliore la résumé automatique de texte en incluant avec précision les noms et termes importants.

Cette étude se concentre sur l'amélioration des performances des modèles dans les ensembles grâce à la dissimilarité pendant l'entraînement.

Le Transformer Décision Élastique améliore la prise de décision en apprentissage par renforcement grâce à une longueur d'historique adaptative.

Un cadre pour améliorer la sélection de données avec peu d'échantillons d'entraînement.

Un aperçu de l'apprentissage profond, son importance, ses défis et ses perspectives d'avenir.

Cette étude examine le partage de ressources et la transparence énergétique dans la recherche en ingénierie logicielle.

Explore comment le contexte améliore les modèles d'apprentissage machine et leurs applications.

Un nouveau cadre améliore les stratégies de correspondance de détection d'objets pour de meilleurs résultats.

Un nouveau modèle améliore la précision et l'efficacité dans le suivi des sources sonores.

Cette étude explore le rôle de la distribution logistique dans la minimisation des erreurs de Bellman en RL.

Cet article examine comment les agents s'influencent mutuellement dans les décisions de santé publique.