Informatique - Apprentissage automatique

Une nouvelle méthode améliore la génération de musique en ajoutant du contexte de performance.

Une nouvelle méthode améliore la conception des molécules en prenant en compte plusieurs propriétés en même temps.

Une approche simplifiée pour entraîner des modèles d'IA basée sur l'auto-jugement.

Des recherches mettent en avant de nouvelles méthodes pour s'attaquer à la mauvaise spécification des modèles et améliorer la fiabilité des prédictions.

ChatDiet combine des données personnelles et des connaissances de la population pour des conseils alimentaires améliorés.

Une nouvelle approche génère des légendes audio en utilisant seulement du texte, ce qui améliore l'efficacité des données.

Un nouveau cadre crée des modèles d'IA personnalisés rapidement et facilement.

Un nouvel algorithme fusionne BQL et CFR pour un meilleur apprentissage dans des environnements dynamiques.

Une étude examine comment les LLMs se rappellent des graphes par rapport à la mémoire humaine.

Une nouvelle méthode kNN améliore l'estimation de la moyenne et de la variance avec une évaluation de l'incertitude.

Une étude révèle que les modèles de langage privilégient la pertinence par rapport à la qualité des preuves.

SPML améliore la sécurité des chatbots en surveillant les entrées des utilisateurs et en affinant les définitions.

Présentation de FOMO, une méthode pour améliorer les DNN face aux attaques adversariales en utilisant l'oubli.

Enquête sur des méthodes pour comprendre des systèmes inconnus à travers des infos partielles.

Un nouvel algorithme améliore l'optimisation quand les hyperparamètres sont inconnus.

Apprends comment l'invariance conditionnelle améliore la performance des modèles selon différents types de données.

Explorer les avantages d'utiliser la programmation dans l'apprentissage par renforcement.

Cet article présente un modèle adaptatif pour améliorer les prévisions avec des données manquantes.

L'optimisation de zéro ordre offre une efficacité mémoire pour les grands modèles de langue dans les tâches de PNL.

Explorer les défis et les innovations pour faire correspondre les enregistrements audio à la partition.

Cet article parle des méthodes pour améliorer l'efficacité d'échantillonnage dans les réseaux de neurones bayésiens.

Une nouvelle méthode améliore les performances des réseaux de neurones graphiques sur des données jamais vues.

Une nouvelle approche utilise l'apprentissage auto-supervisé pour relier l'audio et la partition.

Cette étude explore des techniques d'apprentissage hybride pour améliorer l'apprentissage automatique quantique.

Nouvelle méthode de sous-échantillonnage qui réduit les coûts de formation des noyaux quantiques.

Cet article explore comment l'inférence active influence le mouvement et la prise de décision.

Cet article parle d'une approche innovante intégrant l'IA dans les méthodes de découverte causale.

Explorer des méthodes pour modéliser des systèmes complexes en utilisant des données du monde réel.

Apprends-en plus sur les corrélations fallacieuses et leur impact sur les systèmes d'apprentissage automatique.

Une nouvelle méthode améliore l'accord entre audio et partitions.

De nouveaux algorithmes améliorent la précision du clustering tout en minimisant les coûts de requête.

S'attaquer au changement de domaine et à la dérive conceptuelle dans les modèles d'IA.

Apprends comment l'entropie causale et le gain d'information nous aident à analyser les relations entre les variables.

Explorer les menaces posées par le empoisonnement de données indiscriminé dans l'apprentissage auto-supervisé.

Une nouvelle méthode améliore les prédictions dans la détection virtuelle avec des données limitées.

Une étude sur la régression par noyau traitant du surapprentissage et des comportements des fonctions noyau.

Un système pour vérifier l'équité dans l'apprentissage automatique tout en protégeant la confidentialité du modèle.

Explore comment le prix de référence façonne les stratégies de prix dynamiques sur les marchés en ligne.

Cet article parle des classificateurs à noyau et de leurs performances dans les espaces de Sobolev.

Un nouveau cadre améliore la performance des modèles tout en préservant la confidentialité des données.