Informatique - Apprentissage automatique

Un cadre pour l'édition d'images réalistes qui respecte les relations entre les caractéristiques.

Cette étude examine les attaques adversariales sur l'apprentissage profond, en se concentrant sur la performance des CNN.

Text2Data améliore la génération de données en utilisant efficacement des sources non étiquetées et étiquetées.

Une nouvelle méthode améliore la précision des modèles en s'attaquant aux étiquettes bruyantes dans l'apprentissage fédéré.

Une méthode pour prédire les infos manquantes dans les nœuds d’un graphe en utilisant des structures locales.

Examiner comment les GFlowNets se généralisent à des zones non testées et leur potentiel d'application.

Un aperçu de l'apprentissage par renforcement neurosymbolique et de ses avantages en IA.

Un nouveau modèle améliore la régression symbolique grâce à des techniques d'apprentissage adaptatif.

De nouvelles méthodes améliorent la clarté des prédictions en apprentissage automatique.

Une nouvelle méthode améliore la prise de décision dans des environnements dynamiques pour les agents IA.

Cette étude examine une méthode pour améliorer la détection des maladies en utilisant des données multimodales.

Découvre comment les Modèles du Monde des Actions améliorent la prise de décision dans des environnements complexes.

Les coresets permettent un calcul efficace en apprentissage automatique tout en gardant la précision.

De nouvelles méthodes améliorent la sécurité pour des systèmes complexes comme les robots et les véhicules autonomes.

Un aperçu des MDP à états infinis et de leur rôle dans l'apprentissage par renforcement.

Cet article examine comment déterminer des corrélations entre des vecteurs aléatoires en utilisant des méthodes statistiques.

Une nouvelle méthode vise à améliorer la qualité de sortie dans les modèles génératifs.

Explore l'implémentation de l'IA pour optimiser les services de véhicules autonomes.

Cet article examine comment les réseaux de neurones gèrent les ressources pour des tâches complexes.

Un nouveau modèle vise à améliorer la sécurité routière grâce à des prédictions d'accidents précises.

Une nouvelle méthode améliore la prise de décision sous contraintes dans l'apprentissage par renforcement.

MIPS propose une nouvelle façon de créer des programmes à partir de réseaux de neurones.

Une nouvelle méthode améliore la vitesse et la qualité de génération de texte dans les grands modèles de langage.

Une méthode innovante pour accélérer le traitement des grands modèles de langage pour plusieurs utilisateurs.

NITO propose une méthode plus rapide et adaptable pour optimiser la distribution des matériaux dans les designs d'ingénierie.

Cette étude améliore la performance des GNN grâce à des explications graphiques efficaces.

La surparamétrisation simulée améliore l'entraînement des modèles tout en gardant l'efficacité.

Un aperçu de l'apprentissage à partir des réponses de groupe tout en garantissant la confidentialité des données.

Moco utilise l'apprentissage automatique pour améliorer les solutions aux problèmes d'optimisation combinatoire.

Examiner des modèles génératifs pour des données d'expression génique synthétiques tout en garantissant la vie privée des patients.

Les robots améliorent l'efficacité de la collecte de données avec la planification de chemins dynamiques dans des environnements inconnus.

Une approche fresh pour s'assurer que les systèmes d'IA sont fiables et sûrs.

Combiner la connaissance causale avec l'apprentissage par renforcement améliore la prise de décision de l'IA.

Une méthode améliore la qualité d'image en s'attaquant ensemble au dématriçage et à la réduction de bruit.

CodeIt améliore la performance des modèles d'IA sur des tâches de raisonnement complexes.

Une nouvelle méthode aide à comprendre les systèmes de récompense de l'IA grâce à une analyse contrefactuelle.

L'optimisation stochastique en ligne aide à naviguer dans l'incertitude lors de la prise de décision.

Cette étude met en avant les améliorations des modèles géométriques, en se concentrant sur l'expressivité et la complétude.

BOWLL fixe un nouveau standard pour les systèmes d'apprentissage adaptatif.

Utiliser des modèles vision-langage pour améliorer le feedback des robots et l'efficacité de leur apprentissage.