Statistiques - Apprentissage automatique

Les chercheurs utilisent l'apprentissage semi-supervisé pour de meilleures prédictions sur les images médicales.

Cet article présente une nouvelle méthode pour prédire le risque de diabète en utilisant des données d'enquête.

De nouvelles techniques améliorent l'estimation des paramètres dans des scénarios de données complexes.

Une nouvelle méthode combine l'apprentissage machine avec la modélisation bayésienne pour des prévisions plus précises.

Examiner les profils de variance dans la régression ridge pour améliorer la modélisation prédictive.

Ce papier parle des méthodes pour améliorer l'attribution des traitements en utilisant des données passées.

Un guide pour prendre des décisions en utilisant les données passées et comprendre les risques.

Une nouvelle méthode améliore la précision des prévisions de prix en affinant la sélection des caractéristiques.

Les CNF utilisent des équations différentielles pour modéliser efficacement des distributions de probabilité complexes.

Explorer comment le transfert d'apprentissage impacte l'efficacité des modèles dans différents contextes de données.

Un nouvel optimiseur améliore la communication dans l'entraînement AI distribué.

Cet article examine les réseaux dynamiques et leurs mécanismes de croissance en utilisant des méthodes avancées.

Une étude révèle des méthodes pour déduire des données malgré les défis de corruption malveillante.

De nouvelles techniques améliorent les performances des modèles face aux changements de données en utilisant des fonctions de perte non convexes.

Équilibrer la qualité et la taille dans la compression d'images et d'audio.

Une nouvelle méthode améliore notre façon d'évaluer les causes de décès en santé publique.

Un aperçu des nouvelles méthodes pour évaluer les options financières en utilisant les données du marché.

Examiner les avantages de combiner différents types de données en apprentissage automatique.

Un aperçu de la prise de décision dans les problèmes de bandits combinatoires.

Une approche flexible pour évaluer des politiques avec des données limitées et des incertitudes de politique de journalisation.

Une étude montre comment l'apprentissage automatique peut améliorer les stratégies d'investissement et les performances.

Découvre NEON, une méthode qui améliore la quantification de l'incertitude en apprentissage automatique.

Une nouvelle approche améliore les techniques de régression fonctionnelle pour l'analyse de données complexes.

Explorer le lien entre les modèles génératifs profonds et l'hypothèse des variétés.

Des expériences négatives passées mènent souvent à une prise de décision prudente à l'avenir.

Cet article parle d'un modèle en boîte blanche pour un apprentissage non supervisé efficace.

BiSHop améliore l'apprentissage profond pour les données tabulaires avec des techniques innovantes.

Découvrez comment l'interpolation améliore la fiabilité de l'apprentissage automatique en science.

De nouvelles méthodes offrent des perspectives plus claires sur les décisions algorithmiques en utilisant des explications contrefactuelles.

Un nouveau modèle améliore la performance des transformateurs en gérant l'inefficacité des valeurs aberrantes.

Les modèles de mémoire modernes améliorent l'apprentissage et les processus de récupération de l'IA.

De nouvelles méthodes améliorent l'analyse de régression en utilisant des matrices de covariance pour des ensembles de données complexes.

Cet article discute des techniques avancées pour améliorer les stratégies de gestion des revenus.

Un aperçu de comment AdamW améliore l'entraînement des modèles d'apprentissage profond.

BARN combine BART et des réseaux de neurones pour une meilleure précision de prédiction.

Découvrez comment SiD accélère la création d'images tout en gardant la qualité.

Les modèles modernes de Hopfield améliorent les capacités de mémoire et de récupération des machines.

Une méthode pour améliorer l'apprentissage du modèle malgré des erreurs dans les étiquettes des données.

La multicalibration améliore la précision des LLM en affinant les scores de confiance et en s'attaquant aux hallucinations.

De nouvelles méthodes améliorent la communication des graphes et la distinction des nœuds dans les GNN.