Statistiques - Apprentissage automatique

Présentation d'une méthode semi-bayésienne pour améliorer les tests de qualité d'ajustement dans des modèles complexes.

Un nouveau cadre améliore les méthodes de régression pour prévoir les événements rares.

L'apprentissage automatique aide à estimer avec précision la production d'entropie, améliorant ainsi l'analyse énergétique.

Une nouvelle méthode améliore la façon dont les machines prédisent les images vidéo.

Explorer les dynamiques de regret dans les problèmes de bandit pour une meilleure prise de décision.

ReScore améliore la découverte causale en ajustant dynamiquement l'importance des échantillons.

Un nouveau modèle utilisant des réseaux de neurones améliore la compréhension des interactions d'événements complexes.

MIST améliore la précision du clustering dans des ensembles de données complexes sans nécessiter de connaissances préalables.

Découvre comment l'apprentissage multitâche booste les performances de l'IA sur plein de tâches différentes.

Une nouvelle approche pour apprendre les GMM tout en garantissant la confidentialité des données.

Découvrez comment les graphiques de dépendance causale clarifient les processus de décision de l'IA.

Un nouveau modèle prédit des paramètres pour accélérer l'entraînement des réseaux de neurones.

Apprends comment le DRO et le transport optimal améliorent la prise de décision en période d'incertitude.

Techniques pour améliorer l'exactitude de l'apprentissage machine malgré des petits ensembles de données.

Une nouvelle approche pour améliorer les prédictions des connexions réseau manquantes.

Examiner des méthodes pour trouver des petits groupes dans de grands réseaux.

Un aperçu de l'apprentissage PAC et de ses applications dans le développement d'algorithmes.

Explore comment l'attribution de probabilité séquentielle aide à faire des prévisions précises dans divers domaines.

Explorer des méthodes pour améliorer les prédictions des forêts aléatoires dans les études spatiales.

Explorer comment la symétrie améliore la performance des réseaux de neurones dans différentes tâches.

Un aperçu de l'apprentissage contrastif et de ses implications pour l'apprentissage automatique.

Une nouvelle approche améliore l'apprentissage automatique en intégrant des groupes de Lie dans les méthodes bayésiennes.

Une nouvelle méthode améliore l'efficacité de la prise de décision multi-agents.

Explore des méthodes pour estimer les erreurs de généralisation dans les modèles d'apprentissage automatique.

Cet article examine la robustesse des vectorisateurs de texte face aux changements d'entrée.

De nouveaux algorithmes améliorent la prise de décision dans des environnements avec des récompenses extrêmes.

TANGOS améliore les performances de l'apprentissage profond sur des données tabulaires grâce à la spécialisation des neurones.

Une étude sur l'utilisation de noyaux neuraux pour de gros ensembles de données grâce à la computation parallèle.

Analyser les connexions aléatoires dans les réseaux d'Erdős-Rényi révèle des infos sur le comportement des réseaux.

Un aperçu de comment les MST améliorent les techniques de clustering des données.

Explore des méthodes pour évaluer l'importance des caractéristiques dans la prédiction des résultats.

Une nouvelle méthode améliore l'efficacité de la PCA dans des environnements de données bruyantes et mal conditionnées.

Un nouveau cadre améliore la précision des modèles dans des scénarios de classification à longue traîne.

Un aperçu du problème du Multi-Armed Bandit et de ses applications.

Présentation d'une méthode pour améliorer l'analyse des signaux cérébraux en utilisant des matrices de covariance.

Examiner comment l'initialisation du poids impacte la performance des réseaux de neurones pendant l'entraînement.

Présentation d'une nouvelle approche pour des techniques de compression de modèles efficaces pour les réseaux de neurones.

Un aperçu des méthodes pour une analyse de données fiable avec des petits échantillons.

Un nouvel algorithme basé sur des données améliore l'efficacité de l'identification des bons bras.

Une méthode qui améliore l'estimation des effets causaux sur la santé grâce à des approches statistiques intelligentes.