Statistiques - Apprentissage automatique

Une nouvelle approche avec l'opérateur de Koopman pour gérer des systèmes complexes.

Une nouvelle méthode simplifie l'analyse des données complexes dans les modèles linéaires généralisés.

Apprends à connaître la distance Gromov-Wasserstein et ses applis dans différents domaines.

La méthode KSOS améliore l'analyse et la prédiction dans les systèmes dynamiques en utilisant des techniques de noyau.

Cette étude propose un modèle pour analyser les interactions entre le développement et l'hérédité chez les organismes.

Cette méthode évalue les chemins cellulaires en utilisant des données instantanées limitées.

Améliorer la performance des apprentissages machine grâce à une interaction dynamique entre les données et les modèles.

Une nouvelle méthode améliore la fiabilité des modèles climatiques pour prédire les conditions futures.

Combiner la physique et l'apprentissage profond pour améliorer la modélisation du comportement des matériaux.

Une méthode pour nettoyer les graphes bruyants et améliorer les performances des GNN.

Ce papier propose de nouvelles métriques pour mesurer le désenchevêtrement dans des données complexes.

Une nouvelle approche combine l'inférence variationnelle et l'échantillonnage d'importance tempéré pour l'analyse de données.

Une étude examine à quel point le programme iThrive a bien fonctionné parmi les employés.

Une nouvelle méthode améliore la classification en ajustant les modèles aux évolutions des données.

Une nouvelle méthode intègre l'apport humain pour améliorer l'apprentissage OOD des modèles de machine learning.

De nouvelles méthodes combinent l'estimation de densité et l'apprentissage profond pour une détection d'anomalies efficace.

Apprends comment les processus gaussiens gèrent l'incertitude de prédiction en apprentissage machine.

Une nouvelle méthode améliore l'analyse des distributions de points dans différents domaines.

Une méthode pour classer des données de séries temporelles complexes en utilisant l'analyse spectrale.

Cet article examine comment la dimension intrinsèque influence les performances des réseaux de neurones selon les types d'images.

Une nouvelle méthode révèle des infos sur les erreurs de prédiction et la complexité des modèles.

Approche innovante pour améliorer les modèles de diffusion sans trop de réglages compliqués.

Une nouvelle approche bayésienne améliore la modélisation des systèmes complexes et de leurs dynamiques.

SwipeRx utilise l'IA pour des recommandations de pharmacie personnalisées et un meilleur soin des patients.

Une nouvelle méthode améliore l'apprentissage actif dans les tâches basées sur des graphes avec un étiquetage limité.

De nouvelles limites d'erreur améliorent la fiabilité du GPR dans des domaines sensibles à la sécurité.

Recherche sur comment apprendre les opérateurs et gérer les erreurs efficacement dans les espaces de fonctions.

Une nouvelle méthode améliore la compréhension de l'importance des caractéristiques en apprentissage automatique.

Apprends comment les symétries de groupe peuvent améliorer les modèles de classification en apprentissage automatique.

Une nouvelle approche pour améliorer la précision de la classification en utilisant la théorie PAC-Bayésienne.

Examiner comment les approches bayésiennes améliorent l'évaluation de la performance structurelle grâce à la quantification de l'incertitude.

COG améliore le mélange des variables latentes dans les modèles génératifs.

Examiner comment la régularisation de l'entropie améliore la prise de décision dans des environnements incertains.

L'apprentissage par espace d'état améliore l'analyse des séries temporelles grâce à une meilleure précision et flexibilité.

Une nouvelle approche pour l'inférence causale avec des méthodes de collecte de données flexibles.

Découvrez comment la méthode Deep Limit Model-free améliore les prédictions et la gestion de l'incertitude.

Une méthode innovante combine l'apprentissage automatique et la physique pour résoudre des équations différentielles.

Un nouvel algorithme améliore la prise de décision dans des environnements complexes en utilisant des données historiques.

Les systèmes automatisés améliorent les diagnostics des trains, ce qui permet des réparations plus rapides et moins de retard.

Découvrez comment les opérateurs de Parseval améliorent le traitement d'images dans les CNN.