Statistiques - Apprentissage automatique

Une nouvelle approche pour améliorer la résolution des PDEs en haute dimension avec l'apprentissage automatique.

Cet article examine deux méthodes pour étudier les formes de données : la géométrie de l'information et la géométrie de Wasserstein.

Explorer de nouvelles méthodes pour garantir la fiabilité des résultats en apprentissage automatique.

Analyser comment la similarité entre les données d'entraînement et de test affecte l'incertitude dans les prédictions du modèle.

Une méthode pour aider les modèles à prédire des classes invisibles sans avoir à se retaper une grosse formation.

De nouvelles améliorations ajustent les modèles d'apprentissage automatique aux données bruyantes et irrégulières.

Cette étude présente une nouvelle méthode pour détecter des sous-arbres fréquents dans des données d'arbre.

Apprends comment une bonne prévision peut améliorer la gestion de la chaîne d'approvisionnement et l'efficacité opérationnelle.

Examiner l'équité dans l'apprentissage machine pour réduire les biais dans des secteurs critiques.

Une nouvelle méthode améliore la précision des prévisions pour les demandes d'assurance et les coûts.

Examinons comment les retours humains influencent les systèmes de récompense dans la prise de décision.

Un nouvel algorithme améliore la sélection de modèles dans des environnements incertains.

Des chercheurs améliorent l'analyse EEG en utilisant des modèles basés sur des concepts pour avoir de meilleures infos sur l'activité cérébrale.

MEB s'attaque aux contextes bruyants dans la prise de décision pour de meilleures récompenses.

Une nouvelle méthode améliore l'estimation de densité pour l'analyse de données complexes.

De nouvelles découvertes sur les systèmes cardiovasculaires améliorent les traitements pour les maladies cardiaques.

Introduction de méthodes pour analyser plusieurs dimensions de résultats dans les études d'inférence causale.

EDICT améliore les prévisions pour des données collectées à des intervalles irréguliers, ce qui améliore la prise de décision.

Les chercheurs améliorent les méthodes pour combiner des mesures de probabilité en utilisant des techniques régularisées.

Ce papier examine des méthodes pour améliorer l'estimation de la valeur dans l'apprentissage par renforcement malgré les défis.

Une nouvelle méthode améliore la façon dont les réseaux de neurones gèrent les données inconnues.

Une nouvelle approche améliore l'analyse des données en machine learning, surtout pour les maladies rares.

Une revue de différentes méthodes pour prédire les changements de température dans les villes américaines.

De nouveaux algorithmes améliorent la précision pour détecter les communautés qui se chevauchent dans les réseaux.

De nouvelles méthodes visent à améliorer la calibration des modèles de prédiction des risques chez différents groupes.

Examiner l'efficacité des réseaux de neurones à travers des principes thermodynamiques.

Cet article parle des tests non paramétriques pour analyser la symétrie dans les données.

Les méthodes de Monte Carlo améliorent les prédictions en physique, en s'attaquant aux défis dans les simulations et l'optimisation des paramètres.

Un cadre pour évaluer les algorithmes de machine learning en utilisant la Théorie de la Réponse des Items.

Une méthode pour trouver des moyennes à partir de données utilisateurs variées sans compromettre la vie privée.

Apprends comment les arbres de décision optimaux améliorent la prise de décision dans des domaines clés.

De nouvelles méthodes améliorent l'efficacité pour résoudre des équations différentielles partielles complexes.

La génération de données synthétiques améliore la confidentialité tout en permettant une analyse de données précieuse.

Un nouveau référentiel vise à réduire les fausses informations dans les applications de LLMs en santé.

Combiner des classificateurs neuronaux avec la simulation de Monte Carlo améliore les méthodes d'analyse de données.

Cet article examine les faiblesses des méthodes de sélection de tests pour les systèmes d'apprentissage profond.

La recherche met en avant de nouvelles façons d'améliorer les défenses des modèles contre les attaques adversariales.

Les modèles de langage montrent de nouvelles capacités à mesure qu'ils grandissent et apprennent à partir de données variées.

Une étude sur l'identification des facteurs qui influencent les taux de fertilité dans différents pays.

Apprends comment l'estimation du rapport de densité aide à comparer les groupes de données efficacement.