Informatique - 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.

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.