Informatique - Apprentissage automatique

Un aperçu des défis et des solutions pour identifier les échantillons difficiles.

Les autoencodeurs améliorent le démasquage hyperspectral en spectroscopie Raman pour une analyse précise.

Cette étude explore comment la prise en compte de la topologie affecte les performances et l'équité des réseaux de neurones graphiques.

Enquête sur les effets du bruit sur l'entraînement des réseaux de neurones profonds et la vie privée.

Cette recherche révèle des menaces pour la vie privée dans des modèles de sujets plus simples comme LDA.

Explorer les dynamiques du travail d'équipe entre humains et IA dans les tâches d'optimisation.

Cette étude évalue des modèles pour détecter des anomalies dans des données de séries temporelles.

Une nouvelle méthode améliore la précision dans la prédiction des interactions protéine-ligand.

Une nouvelle façon d'estimer comment les données d'entraînement influencent les prédictions du modèle.

Une nouvelle méthode améliore la mémoire pour de meilleures prises de décision chez les agents RL.

Explore comment les produits scalaires améliorent la compréhension des relations en apprentissage automatique.

Présentation d'une méthode pour évaluer la fiabilité des résultats des modèles de langage.

Les méthodes automatisées améliorent l'efficacité pour extraire des infos des Graphes de Connaissances.

Une étude sur l'apprentissage par renforcement profond protégé pour l'autonomie sûre des engins spatiaux.

Une nouvelle méthode améliore la rétention des participants dans les interventions de santé publique.

Cet article parle des méthodes de confidentialité pour les données tabulaires dans les grands modèles de langage.

Une nouvelle méthode améliore l'attribution des caractéristiques dans les applications d'apprentissage automatique.

Cette étude améliore le design des tubes de descente en utilisant l'apprentissage automatique pour une meilleure efficacité de l'hydroélectricité.

Une nouvelle méthode améliore le FQI en utilisant la log-loss pour une meilleure efficacité d'apprentissage.

Un guide pour utiliser des ensembles souples flous hésitants dans des scénarios de prise de décision complexes.

De nouvelles méthodes visent à améliorer la création d'images humaines à partir de descriptions textuelles.

Apprends à combiner efficacement les processus de preuves dans l'analyse de données.

Une nouvelle approche pour récompenser la sur-optimisation dans les modèles de langage en utilisant l'estimation d'incertitude.

ECToNAS simplifie le processus de recherche des architectures de réseaux de neurones optimales.

Introduction de l'hypervolume adversarial pour mieux évaluer la performance des modèles de deep learning.

Utiliser des modèles de données pour prévoir les urgences à Edmonton pour améliorer la sécurité de la communauté.

Apprends à atténuer le transfert négatif dans l'apprentissage par renforcement continu avec Reset et Distill.

Examiner les risques et les méthodes de détection pour le contenu généré par l'IA.

Une nouvelle approche améliore la façon dont différents types de données sont combinés pour une meilleure analyse.

Une nouvelle méthode améliore la précision des prévisions en gérant les erreurs à travers les étapes temporelles.

DARL propose de nouvelles méthodes pour que les machines apprennent et créent des images efficacement.

Aborder l'équité dans l'apprentissage automatique pour de meilleurs résultats statistiques.

One4All-ST propose une façon simplifiée de prédire les mouvements et besoins urbains.

Une nouvelle méthode améliore les GNN en boostant la reconnaissance de la structure des graphes.

Explorer l'homomorphisme de graphique pour améliorer les capacités de généralisation des GNN.

Une nouvelle approche combine l'apprentissage de la représentation causale et les modèles de base pour une meilleure compréhension.

Approche innovante utilisant des réseaux de neurones pour stabiliser les systèmes d'équations aux dérivées partielles efficacement.

Explorer les comportements des neutrinos pendant les supernovae et leurs effets de conversion de saveur.

DiNAS propose une nouvelle façon de créer rapidement des réseaux de neurones performants.

De nouvelles découvertes remettent en question l'idée que la robustesse de la classification et de l'explication sont liées.