Statistiques - Apprentissage automatique

Investiguer les complexités de l'échantillonnage postérieur dans les modèles de diffusion pour le traitement d'images.

Une nouvelle approche des tests de traitements médicaux vise des résultats plus clairs.

Découvre de nouvelles méthodes pour estimer les effets des traitements dans la recherche.

Analyser les causes des différences de performance dans les applications de machine learning dans différents contextes.

Les réseaux de neurones probabilistes offrent une meilleure compréhension de l'incertitude dans la modélisation scientifique.

Un aperçu du comportement particulier des réseaux de neurones profonds pendant l'entraînement.

Un outil flexible conçu pour différentes situations d'étiquetage de données.

Une nouvelle méthode pour estimer la taille de la population avec des données limitées.

Une méthode en deux étapes améliore la performance du modèle à travers différents groupes de données.

Cet article examine les complexités et les limites des méthodes de régression linéaire sparse.

Cette étude explore les bases théoriques des modèles de diffusion discrets en apprentissage automatique.

Un cadre pour utiliser l'IA afin d'améliorer les processus de prise de décision.

Une nouvelle méthode pour évaluer les grands modèles de langage avec moins d'exemples.

Cette étude examine comment la gestion des risques d'entreprise peut fonctionner efficacement avec des modèles de données fluides.

Un aperçu de comment les blocs de transformateurs linéaires améliorent les modèles de langue grâce à l'apprentissage contextuel.

Enquêter sur les défis de la régression linéaire creuse à travers des problèmes de réseau.

Cet article explique des méthodes de clustering pour analyser les données longitudinales de manière efficace.

De nouvelles méthodes améliorent la prise de décision en permettant aux apprenants de s'abstenir d'agir.

Une nouvelle méthode améliore l'efficacité et la précision de l'inférence variationnelle.

Présentation d'un algorithme pour prendre de meilleures décisions avec des récompenses incertaines dans des scénarios complexes.

GROS combine plusieurs estimateurs pour une meilleure précision dans l'analyse des données.

MIM-Reasoner optimise la diffusion d'infos sur plusieurs plateformes de réseaux sociaux.

Une nouvelle approche de la prise de décision en utilisant un nombre minimal d'échantillons.

Une nouvelle méthode améliore la qualité d'image affectée par le bruit de speckle en utilisant l'apprentissage automatique.

Une nouvelle méthode améliore l'apprentissage causal malgré les données manquantes et les relations cycliques.

Cette étude examine comment le fine-tuning LoRA influence le regroupement de tokens dans les modèles Transformer.

De nouvelles méthodes améliorent l'échantillonnage à partir de distributions complexes en utilisant des équations HJB et des Tensor Train.

Présentation d'une méthode pour améliorer les tests de significativité dans l'analyse de régression.

Une nouvelle méthode pour améliorer les modèles de diffusion tout en gardant la diversité dans les résultats générés.

Cette étude améliore la prise de décision en ajoutant l'option de s'abstenir dans les problèmes de bandit manchot multi-bras.

Une nouvelle méthode améliore la précision du modelage de substituts en utilisant des principes physiques.

Explorer l'intersection entre la théorie des catégories et les frameworks d'apprentissage profond.

Une méthode utilisant des expressions de Fourier pour analyser efficacement les réseaux de neurones modernes.

De nouvelles méthodes améliorent la sécurité dans l'apprentissage par renforcement tout en optimisant les performances dans des environnements contraints.

Un aperçu de comment les modèles améliorés par gradients boostent la précision des prédictions.

Méthodes pour réduire les dimensions tout en préservant les structures de données.

DAGnosis améliore la fiabilité des données en identifiant efficacement les incohérences.

Une méthode pour approcher les compromis entre équité et précision pour les modèles d'apprentissage automatique.

Une nouvelle méthode améliore la prise de décision dans l'optimisation bayésienne, en se concentrant sur la qualité des solutions.

Une nouvelle méthode protège les préférences personnelles tout en permettant des classements utiles.