Informatique - Apprentissage automatique

Cet article parle des méthodes pour améliorer comment les robots identifient les usages des objets.

Explorer le passage des produits scalaires aux similarités apprises pour un meilleur classement.

Explorer comment les données bruyantes affectent la performance du modèle sur des données inédites.

Nouveau cadre améliore la catégorisation des nœuds dans des graphes avec des attributs de texte et peu de données.

Une étude révèle comment des étapes de réflexion supplémentaires améliorent les performances des RNN dans Sokoban.

Cette méthode améliore la vie privée tout en augmentant la précision du modèle en IA.

De nouvelles stratégies visent à améliorer les ensembles de données synthétiques pour une meilleure transcription de batterie.

Un nouveau cadre améliore la sélection des capteurs tout en équilibrant performance et coûts.

vTensor optimise la mémoire pour les tâches de calcul haute performance.

Un aperçu de comment les graphes dynamiques façonnent nos interactions et nos idées.

Examiner les différences de performance en apprentissage automatique pour les images rétiniennes et la détection de l'hypertension.

Cette méthode améliore la création de prompts pour les grands modèles de langage, ce qui booste la performance globale.

Des chercheurs examinent l'utilisation du langage naturel pour améliorer l'alignement des modèles.

De nouvelles techniques améliorent la compréhension du langage et la vitesse de traitement dans les modèles.

Une méthode pour réduire le biais dans les modèles de langage en les faisant oublier des infos nuisibles.

Méthodes pour améliorer la précision de la localisation des téléphones malgré les différences entre les appareils.

Une nouvelle méthode améliore la façon dont les robots adaptent leurs compétences à différentes tâches et environnements.

Les scientifiques utilisent l'apprentissage automatique pour améliorer les prévisions sur les combinaisons de médicaments contre le cancer.

Analyser l'efficacité des RAG et des LLMs à long contexte dans le traitement du texte.

AnInfoNCE améliore l'apprentissage contrastif en s'attaquant aux défis de l'augmentation des données.

Un nouvel outil améliore la comparaison des modèles pour des prévisions d'énergie précises.

Cette recherche explore de nouvelles méthodes pour équilibrer plusieurs objectifs dans l'apprentissage par renforcement.

Un nouveau standard pour tester les modèles visuels-linguistiques sur des changements minimaux dans les images et les légendes.

GraphTP améliore l'apprentissage des graphes grâce à de meilleures stratégies de données.

Une nouvelle méthode pour évaluer les capacités d'apprentissage des modèles de langue à long contexte grâce à Task Haystack.

Une nouvelle plateforme améliore les tests pour les véhicules autonomes grâce à des simulations de course réalistes.

Une nouvelle approche combine le clonage de comportement et l'apprentissage par renforcement pour un assemblage de robot précis.

Un aperçu des forces et faiblesses des KAN et MLP en apprentissage automatique.

Un nouvel algorithme améliore les embeddings hyperboliques pour une meilleure représentation des données hiérarchiques.

Une étude sur les approches locales et globales dans les algorithmes d'apprentissage continu.

Des modèles de deep learning analysent des enregistrements vocaux pour identifier une insuffisance respiratoire et estimer les niveaux d'oxygène.

Une nouvelle méthode améliore la compréhension des contraintes de sécurité en robotique.

BONES simplifie l'estimation de la valeur de Shapley pour une meilleure interprétation de l'IA.

BART est un outil puissant pour prédire des résultats dans divers domaines.

Apprends comment les infos de sensibilité améliorent l'entraînement des réseaux de neurones en ingénierie.

La coloration à l'hématoxyline et à l'éosine améliore l'évaluation des cellules immunitaires dans les tumeurs.

KSGAN améliore les modèles génératifs avec une mesure de distance unique pour une meilleure génération d'échantillons.

L'apprentissage fédéré propose une manière d'utiliser les données tout en préservant la vie privée des utilisateurs.

Une nouvelle méthode réduit le temps perdu à cause des erreurs de mémoire en informatique.

Un guide pour gérer les incertitudes dans la segmentation d'images médicales pour un meilleur diagnostic.