Statistiques - Apprentissage automatique

Explorer les risques de confidentialité liés aux données synthétiques et introduire l'Indice de Plagiat de Données.

L'apprentissage fédéré améliore l'imagerie médicale tout en protégeant les données des patients.

Une nouvelle méthode combine des prédictions bayésiennes et des copules en treillis pour améliorer l'analyse des données.

Enquête sur la façon dont le flux miroir minimise les erreurs dans les tâches de classification.

Apprends comment la régression par noyau et la mise à jour bayésienne améliorent les prédictions avec de nouvelles données.

Présentation de PACE, une approche structurée pour des explications d'IA fiables.

De nouveaux modèles améliorent les prévisions dans des environnements de données en évolution.

Explorer de nouveaux algorithmes pour la classification multiclasses dans des conditions de feedback limité.

Découvre comment le quilting en cluster s'attaque aux défis de l'apprentissage en patchwork avec des ensembles de données incomplets.

Analyse des méthodes traditionnelles et d'apprentissage automatique pour gérer les données manquantes.

De nouvelles méthodes d'attention améliorent l'efficacité et les performances des modèles de transformateurs.

L'attention elliptique améliore la concentration et la performance dans les tâches d'IA.

RPC-Attention améliore les modèles d'auto-attention pour de meilleures performances sur des données bruyantes.

Une nouvelle méthode qui combine les atouts de Sliced et Tree Wasserstein pour l'analyse de données dynamiques.

La calibration s'assure que les prédictions collent aux résultats réels dans différents domaines.

Apprends comment l'apprentissage en contexte améliore les modèles prédictifs en utilisant plusieurs ensembles de données.

Explorer la valeur des modèles à peu près équivariants en apprentissage automatique.

Cet article présente des quantiles minimax pour de meilleures estimations statistiques.

Les réseaux de neurones bayésiens améliorent les prévisions du comportement des matériaux avec des estimations d'incertitude.

Cette étude examine les PINNs bayésiens pour estimer les paramètres des PDE à partir de données bruitées.

Une approche d'apprentissage automatique offre des prévisions climatiques plus rapides et plus précises.

Techniques pour améliorer l'inférence graphique et l'estimation de l'incertitude dans différents domaines.

LaseNet améliore l'extraction des variables cachées dans les modèles cognitifs en utilisant des réseaux de neurones.

Explorer une nouvelle méthode pour l'optimisation des préférences multi-objectifs.

Un nouveau jeu de données accélère les prédictions des propriétés moléculaires pour la conception de médicaments.

Une nouvelle méthode pour mesurer l'incertitude dans l'apprentissage profond, surtout dans l'analyse de survie.

Explorer de nouvelles techniques dans la conception expérimentale et l'analyse des données pour la recherche scientifique.

Une nouvelle approche pour prévoir les changements dans des systèmes complexes en utilisant le calcul par réservoir.

Deux nouveaux estimateurs améliorent la précision dans l'analyse des données de réponse des items.

De nouvelles méthodes améliorent la précision des prévisions de changement de niveau de la mer régional en utilisant l'apprentissage automatique.

Une nouvelle méthode améliore les réseaux de neurones bayésiens pour une meilleure généralisation dans l'apprentissage par transfert.

De nouvelles méthodes améliorent la prédiction et la localisation des signaux sans fil en utilisant des réseaux de neurones.

Découvrez comment HQR et WACI améliorent la précision des intervalles de prédiction dans différents domaines.

Cet article parle de comment les graphes de connaissances améliorent la sélection de caractéristiques dans l'analyse de données.

Examen du rôle de l'attribution de crédit dans l'apprentissage automatique et les problèmes de droits d'auteur.

S'attaquer aux facteurs perturbateurs et aux changements dans les données pour de meilleures prédictions.

KnewImp améliore la précision dans l'imputation des données manquantes et simplifie les processus de formation.

Examiner les difficultés de la création de fonctions de récompense efficaces en apprentissage par renforcement.

VICatMix améliore le clustering des données de santé complexes pour des insights médicaux plus pertinents.

De nouvelles méthodes améliorent les prévisions pour les sinistres d'assurance en s'attaquant aux problèmes de surreprésentation des zéros.