Informatique - Apprentissage automatique

Un aperçu des dynamiques d'apprentissage des réseaux à deux couches et de leurs applications.

Quick-Tune simplifie le choix et le réglage des modèles d'apprentissage automatique pré-entraînés.

Une nouvelle technique améliore les réseaux de neurones modulaires en rendant le routage plus efficace.

Un nouveau modèle de réseau de neurones combine efficacité et méthodes d'entraînement efficaces.

Un nouveau modèle améliore l'analyse des images panoramiques pour des applications concrètes.

Nouvelle approche politique améliore la performance d'évaluation dans les applications RL hors ligne.

De nouvelles méthodes accélèrent la création de modèles 3D à partir de descriptions textuelles.

Une étude sur comment l'IA générative peut capter l'identité des villes.

Explorer comment les réseaux résiduels améliorent l'entraînement et renforcent la généralisation.

Cette étude examine les défis d'alignement des mots et les solutions de transport optimal.

Le modèle Phoenix améliore la performance de l'IA générative tout en garantissant la confidentialité des données.

De nouvelles méthodes améliorent la robustesse des modèles contre les attaques adversariales utilisant des données tabulaires.

Cet article présente une méthode innovante pour estimer des facteurs dans des données complexes.

Un aperçu des avantages et des défis de l'apprentissage fédéré, y compris la méthode FedVal.

De nouvelles techniques améliorent la précision et l'efficacité de la récupération dans les systèmes de recommandation.

Cette étude évalue différentes techniques d'IA explicable pour interpréter la classification d'images de télédétection.

Une méthode pour lier la prise de décision de l'IA et la sécurité grâce aux fonctions de barrière de contrôle.

Le cadre MEX améliore l'exploration et la prise de décision dans l'apprentissage par renforcement en ligne.

Une nouvelle méthode localise les véhicules en utilisant le lidar et des images satellites sans dépendre du GPS.

Cette étude présente une nouvelle méthode pour augmenter des graphes en utilisant des compléments de Schur aléatoires.

Un aperçu de comment les données contrefactuelles peuvent réduire les biais dans les modèles d'apprentissage automatique.

Une nouvelle méthode en deux étapes améliore les modèles climatiques pour de meilleures prévisions.

Une nouvelle méthode améliore les réponses des machines grâce à une meilleure compréhension émotionnelle.

De nouveaux modèles d'apprentissage automatique améliorent les prédictions en dynamique des fluides.

Découvrez comment l'apprentissage fédéré peut améliorer l'apprentissage automatique tout en protégeant la confidentialité des données.

Un nouveau modèle améliore la génération de jets de particules grâce à des mécanismes d'attention et moins de paramètres.

Des recherches montrent que les grands modèles de langage peuvent être entraînés pour imiter la prise de décision humaine.

Découvre comment l'apprentissage automatique aide à prédire des comportements chaotiques.

Une nouvelle méthode améliore la précision du raisonnement dans les modèles de langage en utilisant des invites structurées.

Un nouveau cadre rend les résultats de classification de séries temporelles multivariées plus faciles à comprendre.

Un regard sur comment les principaux et les agents peuvent bosser ensemble efficacement.

GEO-Bench vise à faire avancer les modèles de base dans les tâches de surveillance de la Terre.

CALLS a pour but d'améliorer la capacité des assistants vocaux à gérer les interactions avec les clients.

LEACE vise à éliminer les biais des modèles grâce à l'effacement de concepts.

Examen de la perte de confidentialité dans Noisy-SGD avec des fonctions de perte non convexes.

Découvrez comment la sparsité essentielle optimise les gros modèles sans perte de performance.

Utiliser l'IA pour améliorer les contrôles de sécurité des chargements en logistique.

Explorer comment les agents peuvent améliorer la prise de décision grâce à la collaboration.

FAMO améliore l'efficacité et la performance de l'apprentissage multitâche dans les modèles IA.

Comment le design des robots influence les capacités d'apprentissage et la performance des tâches.