Informatique - Intelligence artificielle

Utiliser l'IA pour identifier avec précision les expressions faciales dans le milieu de la santé.

Des chercheurs combinent les expressions faciales et les signaux physiologiques pour mieux détecter les émotions.

Comprendre le tournant vers des modèles de langage open-source et faciles à utiliser.

De nouvelles méthodes optimisent les réseaux de neurones profonds pour une meilleure performance dans le monde réel.

Utiliser la perplexité pour identifier les entrées risquées dans les modèles de langue.

Un nouveau système combine le suivi cardiaque et l'analyse de scène pour une conduite plus sûre.

Un nouveau jeu de données aide à évaluer les modèles de langage pour les applications de santé.

Un nouveau modèle améliore l'efficacité et la précision de la détection de contours dans le traitement d'images.

Un aperçu de comment nos cerveaux prédisent et agissent dans le monde.

PruneSSL améliore l'apprentissage semi-supervisé en enlevant sélectivement les données non étiquetées difficiles.

Une nouvelle méthode pour améliorer la qualité de la parole en utilisant des réseaux éconergétiques.

PECon combine des scanners CT et des données de DSE pour améliorer le diagnostic de l'EP.

Un aperçu des dynamiques de la descente de gradient stochastique (SGD) et de ses effets sur l'entraînement des modèles.

Un nouveau cadre améliore la capacité des grands modèles de langue à utiliser des outils efficacement.

Un nouveau modèle de deep learning améliore la qualité et l'efficacité du pansharpening.

Un nouveau modèle améliore les recommandations en se concentrant sur les descriptions textuelles des utilisateurs et des articles.

De nouvelles techniques améliorent le diagnostic des maladies tout en garantissant la confidentialité des patients.

Un nouveau système utilise l'imagerie pour identifier les patients qui sont susceptibles de répondre à l'immunothérapie.

Une nouvelle méthode améliore le contrôle de la circulation en utilisant des principes décentralisés pour l'efficacité énergétique.

Cet article examine les risques et les avantages de la technologie de l'IA générative.

Cet article explore les complexités de l'apprentissage multi-agents et son impact sur la stabilité.

Présentation de l'AutoSAM Adapter pour une meilleure analyse d'images médicales 3D.

CENET fusionne des données historiques et non historiques pour améliorer les prévisions d'événements.

Apprends tout sur le reinforcement learning et ses concepts clés dans la prise de décision.

Un nouveau cadre améliore la transparence et l'efficacité des systèmes de recommandation.

Nouveau benchmark évalue l'apprentissage centré sur les objets face aux distorsions d'image.

Une nouvelle méthode améliore l'évaluation des politiques en RL hors ligne.

Cette étude se concentre sur de nouvelles méthodes pour comprendre les relations de cause à effet.

La recherche se concentre sur l'activité des muscles du cou pour améliorer le confort des utilisateurs en VR et AR.

Une nouvelle approche améliore la sécurité des systèmes d'IA complexes.

Un nouveau cadre améliore l'apprentissage des modèles en gérant efficacement les conflits.

Explorer des méthodes efficaces pour la reconstruction réaliste de formes en utilisant des Gaussiennes 3D.

Une nouvelle méthode améliore les prévisions en réconciliant les données de séries chronologiques dans une structure hiérarchique.

MuReNN combine des modèles paramétriques et non paramétriques pour une meilleure analyse audio.

ANER est un outil en ligne pour reconnaître les entités nommées en arabe et en Arabizi.

Une approche de modèle joint améliore la détection d'intention et le remplissage de slots dans les systèmes vocaux.

Une nouvelle méthode améliore la sécurité dans les applications d'apprentissage par renforcement.

Explore comment la taille de l'échantillon impacte les explications de l'IA et la transparence dans la prise de décision.

Une nouvelle méthode améliore la prise de décision des agents dans des environnements changeants.

Un cadre qui permet aux utilisateurs de découvrir des motifs significatifs dans les données de processus.