Informatique - Apprentissage automatique

Examiner comment le hasard influence les vulnérabilités en apprentissage automatique et le besoin de meilleures normes.

Une nouvelle méthode améliore la prédiction des étiquettes de nœuds en utilisant des affinités de tâches pour de meilleures performances.

Une nouvelle méthode accélère les examens IRM tout en maintenant la qualité de l'image.

Cet article parle d'utiliser des modèles linguistiques pour améliorer les prédictions sur des données tabulaires.

Une nouvelle méthode améliore l'entraînement des agents dans des environnements complexes en utilisant des cibles intermédiaires.

Cet article parle de comment les approximations de gradient améliorent l'entraînement des modèles de deep learning.

Un aperçu des techniques pour accélérer les réseaux de neurones graphiques sur des ensembles de données complexes.

Des recherches examinent l'utilisation de médicaments connus pour de nouvelles options de traitement contre le COVID-19.

Le nouveau cadre SAM++ améliore la précision dans l'identification des structures anatomiques dans les scans médicaux.

Les LLMs montrent un potentiel pour faire progresser la chimie et la science des matériaux grâce à des projets innovants.

Une nouvelle méthode améliore les prédictions des propriétés nucléaires en utilisant l'apprentissage automatique.

RANS-PINN combine apprentissage automatique et physique pour des prévisions de flux turbulent plus rapides.

Un nouveau G-CNN améliore l'analyse d'images médicales 3D et la précision.

Un nouveau jeu de données améliore la recherche sur la qualité de l'air avec des données fiables et une bonne couverture des capteurs.

Les trajectoires sémantiques améliorent notre compréhension des motifs de mouvement avec des insights contextuels.

Un aperçu des approches d'apprentissage profond décentralisées qui mettent l'accent sur la confidentialité des données.

ReCoV aide à identifier et à supprimer les étiquettes bruyantes pour améliorer la performance du modèle.

Améliorer l'efficacité du design grâce à des méthodes d'optimisation collaboratives.

Une nouvelle méthode améliore la détection d'objets connus et inconnus.

La recherche révèle des risques cachés dans les modèles d'apprentissage automatique grâce à la stéganographie.

Le modèle de neurone ELM simplifie la compréhension des fonctions cérébrales complexes avec moins de paramètres.

Une nouvelle méthode améliore les prévisions de la valeur à vie des clients pour de meilleures décisions commerciales.

Apprends comment l'imagerie médicale aide au diagnostic et au traitement des maladies.

FLOWER aborde l'apprentissage avec peu d'exemples et l'oubli catastrophique dans les modèles d'apprentissage automatique.

TensorNet améliore les prédictions moléculaires en utilisant des représentations tensoriales efficaces.

Un nouveau cadre améliore l'entraînement des réseaux de convolution de graphes grâce à un clustering adaptatif.

Une nouvelle méthode améliore la reconnaissance des actes de parole en bengali grâce à l'analyse audio et textuelle.

Explore comment les valeurs aberrantes affectent le clustering k-means et les méthodes d'évaluation.

Un nouveau modèle s'adapte à l'hétérophilie dans les graphes, améliorant la performance et la précision.

Une nouvelle méthode combine l'apprentissage automatique avec la modélisation de turbulence pour des simulations améliorées.

Examiner les défis et les stratégies pour améliorer les défenses des modèles contre les attaques adversariales.

Explorer comment le langage aide à inférer des objectifs dans des situations sociales.

Une nouvelle méthode améliore les recommandations e-commerce en comprenant les intentions d'achat des clients.

Une nouvelle méthode utilise des réseaux de neurones pour résoudre des PDEs de manière efficace tout en respectant les lois physiques.

Explorer les défis et les stratégies dans les systèmes d'apprentissage multi-agents.

Une étude sur les méthodes d'apprentissage pour les protocoles de diffusion dans des systèmes complexes.

Cette étude améliore les techniques de questionnement visuel pour une meilleure analyse d'images de télédétection.

Un nouveau cadre optimise l'apprentissage actif à travers différents types de données.

Les auto-encodeurs améliorent l'organisation et la classification des données dans l'apprentissage automatique.

Cette étude examine les défis de l'urbanisation et les modèles prédictifs pour le transport en Inde.