Informatique - Apprentissage automatique

Une étude montre que l'IA améliore la détection des problèmes dentaires sur les radiographies.

Apprends comment LinkedIn utilise les réseaux de neurones graphiques pour améliorer les recommandations aux utilisateurs.

Examiner l'importance des modèles causals et des interventions dans l'apprentissage automatique.

Explorer l'équilibre entre la vie privée et l'efficacité d'apprentissage en machine learning.

Cet article parle de comment DPETS améliore la stabilité et le contrôle dans l'apprentissage par renforcement.

Une nouvelle méthode améliore la modélisation multidimensionnelle sans coûts computationnels élevés.

La théorie de l'apprentissage crédal offre de nouvelles perspectives pour adapter les modèles d'apprentissage automatique aux données qui évoluent.

Une méthode pour l'estimation de la posture 3D du corps qui gère les problèmes d'occlusion.

Cette étude examine comment les modèles de langage adaptent leurs prédictions en utilisant l'apprentissage en contexte.

Cet article parle d'une méthode pour améliorer les LLMs en utilisant des retours verbaux sans sur-généralisation.

Comprendre la causalité peut améliorer la prise de décisions et l'adaptabilité de l'IA.

De nouveaux modèles améliorent la compréhension et la prédiction des propriétés des tensioactifs.

Cet article parle de l'utilisation de données non étiquetées pour améliorer les modèles d'apprentissage automatique.

Un outil de référence pour améliorer les méthodes de détection d'anomalies dans les séries temporelles.

Un aperçu de comment les lois d'échelle influencent l'efficacité et la précision des réseaux de neurones.

Un nouveau cadre met l'accent sur l'équité dans les compétitions d'apprentissage automatique crowdsourcées.

Une nouvelle méthode qui simplifie l'apprentissage des graphes en utilisant l'attention.

Une nouvelle méthode améliore l'apprentissage des robots à partir de données simulées pour des situations réelles.

Une nouvelle approche utilisant des LLMs améliore l'analyse des flux de données pour une meilleure compréhension du code.

Un coup d'œil sur comment les transformers gèrent super bien les données non structurées dans les tâches de régression.

La recherche améliore les prédictions de charge lors d'un amerrissage d'avion en utilisant des techniques d'apprentissage machine.

Nouveau modèle améliore la vitesse et la précision des simulations pour les applications d'ingénierie.

Une nouvelle méthode améliore les estimations de confiance dans des données ambiguës.

Une nouvelle approche améliore la capacité des modèles de langage à transformer des séquences malgré des données limitées.

Un nouveau cadre vise à améliorer la gestion des frais de transaction sur les réseaux blockchain.

Des recherches révèlent des failles dans la technologie de reconnaissance de démarche des smartphones.

Une analyse des qualités et des défis des explications des modèles de langage.

Enquête sur le rôle de la complexité des images dans l'amélioration de la détection OOD.

Présentation d'ACGCL : une nouvelle approche pour améliorer l'apprentissage de la représentation des graphes.

Améliorer la vitesse de recherche de données grâce à des techniques d'apprentissage automatique dans les listes chaînées.

TEPI améliore la classification des génomes en utilisant des images et des techniques conscientes de la taxonomie.

Cet article parle des méthodes pour certifier les explications dans les modèles d'apprentissage automatique.

Une nouvelle méthode améliore la séparation des sons à travers différentes fréquences.

Les filigranes peuvent aider à protéger le droit d'auteur lors de l'entraînement des modèles d'IA en prouvant l'utilisation du texte.

MetricRL améliore l'apprentissage à partir des expériences passées dans des tâches orientées vers des objectifs.

Une nouvelle méthode améliore la collecte de données pour un meilleur alignement des modèles linguistiques.

Un nouveau modèle basé sur MLP améliore la précision des prévisions de séries temporelles en utilisant des couches de projection aléatoire.

Explorer le rôle de l'apprentissage profond dans le contrôle de puissance efficace pour les réseaux 6G.

Une nouvelle méthode pour la détection d'intrusions dans les réseaux de capteurs sans fil en utilisant l'apprentissage automatique.

Une nouvelle approche s'attaque au problème des tokens perdus et du padding dans les modèles de machine learning.