Informatique - Apprentissage automatique

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.

Une nouvelle approche améliore la compréhension et les performances des embeddings de mots.

Examiner l'équilibre entre la vie privée et l'équité dans les modèles d'apprentissage fédéré.

De nouvelles méthodes améliorent la précision en imagerie médicale en utilisant l'apprentissage profond et des fantômes imitant les tissus.

Un nouveau cadre améliore la sécurité et l'apprentissage par récompense dans les applis d'IA.

Un petit aperçu de la quantification de l'incertitude pour améliorer les prédictions en apprentissage automatique.

Une nouvelle méthode utilise le mining d'images pour s'entraîner sans annotations.

Un aperçu simple de la décomposition tensorielle et de ses différentes applications.

Examiner comment les transformations non linéaires améliorent l'estimation de ridge dans les données de haute dimension.

Une nouvelle méthode améliore la performance de l'apprentissage fédéré en plein milieu des préoccupations concernant la confidentialité des données.

Utiliser des données invalides améliore la précision et la créativité des modèles génératifs.

Un nouveau cadre améliore les prévisions de taux de clics dans différents secteurs d'activité.

Une nouvelle méthode de détection pour les échantillons adversariaux sans avoir besoin des données d'entraînement originales.

Une nouvelle méthode combine des algorithmes et l'apprentissage par renforcement pour la conception de treillis.

Une nouvelle approche améliore l'efficacité de l'entraînement adversarial et la robustesse du modèle.

Une nouvelle méthode améliore l'ajustement des paramètres S avec moins de mesures.

Un nouveau cadre améliore la classification des nœuds avec peu de données dans les graphes.

Un nouvel optimiseur promet un entraînement plus rapide pour les réseaux de neurones profonds.

De nouvelles méthodes améliorent la précision de l'analyse des radiographies thoraciques en utilisant des données CT.

Une nouvelle approche améliore la précision des prévisions pour étudier les conditions de l'univers primordial.

Un nouvel algorithme améliore la résistance de l'apprentissage décentralisé face aux attaques.

Cet article examine le comportement de convergence des Réseaux de Graphes Invariants.

Présentation de LM4HPC, un cadre pour améliorer l'application des modèles de langue dans les tâches de calcul haute performance.

Une nouvelle méthode améliore l'attribution d'auteur en utilisant des techniques avancées et l'analyse de texte.

Un cadre qui améliore le codage grâce à des retours interactifs et une exécution dans le monde réel.

Cette recherche améliore la performance des modèles dans des environnements de données changeants grâce à de meilleures méthodes d'adaptation.

Nouvelles méthodes pour analyser des données sensibles tout en garantissant la vie privée des individus.

De nouvelles fonctionnalités aléatoires améliorent les applications du coefficient de Tanimoto dans l'apprentissage machine moléculaire.

Explorer l'apprentissage par imitation dans les jeux à champ moyen et ses complexités uniques.

Un aperçu des différentes techniques pour la segmentation des flammes dans les applications industrielles.

Le nouvel algorithme N-VR-PG améliore la prise de décision dans des environnements complexes.

Une nouvelle approche aide l'IA à apprendre sans oublier ce qu'elle sait déjà.

ProtoDiff améliore l'apprentissage par prototypes pour une classification efficace avec des données limitées.

Une étude révèle des défis pour identifier les traits uniques du TOC par rapport à d'autres troubles.

Découvrez comment les caractéristiques de la matrice principale simplifient l'analyse de données dans différents domaines.

Des approches innovantes améliorent la transmission de messages dans des systèmes complexes et des applications concrètes.

Une nouvelle méthode utilise l'apprentissage profond pour détecter les défauts du septum auriculaire chez les enfants.

ChiPFormer améliore l'efficacité de placement des puces grâce à l'apprentissage par renforcement hors ligne.