Derniers articles pour Apprentissage automatique

Une étude sur l'utilisation de la perte par triplet pour créer des modèles d'apprentissage automatique plus équitables.

Un nouveau jeu de données pour améliorer les modèles vision-langage et le suivi des instructions humaines.

Une nouvelle méthode utilise des matrices de Johnson-Lindenstrauss pour la classification multiclass extrême.

Youku-mPLUG propose 10 millions de paires vidéo-texte pour faire avancer les systèmes vidéo-langue en chinois.

Cet article parle de méthodes améliorées pour reconnaître des objets dans des images en utilisant des invites visuelles.

Une nouvelle méthode combine la reconnaissance vocale et l'identification des locuteurs pour les discours qui se chevauchent.

Une plongée profonde dans les complexités du regroupement des données sur le cancer.

Une nouvelle ressource améliore la synthèse de livres dans plusieurs langues.

KrADagrad améliore l'efficacité d'optimisation en apprentissage machine avec moins de ressources.

Un nouvel algorithme pour ajuster la taille des pas dans les tâches d'apprentissage automatique.

GCT-TTE utilise différentes sources de données pour de meilleures estimations de temps de trajet.

Combiner du texte et des images pour améliorer l'efficacité de l'apprentissage machine.

Une nouvelle technique améliore la clarté des images en s'appuyant sur des infos de patch collaboratifs.

Une nouvelle méthode qui ajuste l'exploration et l'exploitation dans les tâches d'optimisation.

Une nouvelle méthode de génération de scènes 3D améliore les données pour l'entraînement des modèles.

On te présente une méthode qui simplifie l'entraînement des réseaux de neurones avec des résultats améliorés.

Une nouvelle approche utilisant des GAN pour améliorer la modélisation de l'hadronisation à partir des données de la physique des particules.

Une nouvelle approche améliore l'apprentissage machine avec moins d'exemples et des données multimodales.

Un aperçu du rôle de Clip21 dans l'amélioration de la vie privée différentielle pendant l'entraînement des modèles.

Un nouveau cadre s'attaque aux défis des agents byzantins dans l'optimisation distribuée.

Combiner les efforts humains et les grands modèles linguistiques améliore la qualité des données pour l'apprentissage machine.

Les embeddings de boîte améliorent la gestion des requêtes complexes item-attribut pour de meilleurs résultats de recherche.

Une nouvelle méthode pour estimer les réponses des salles dans des environnements sonores complexes.

Cet article parle d'une référence pour évaluer les LLM face à des prompts difficiles.

Utiliser le transfert de connaissances des modèles tchèques améliore la précision de la reconnaissance vocale slovaque.

Des chercheurs ont développé un modèle pour mieux prédire les changements de stabilité des protéines à partir des mutations d'acides aminés.

Une nouvelle méthode améliore la personnalisation des modèles tout en garantissant la confidentialité des données.

Une nouvelle méthode améliore la compréhension des prévisions dans les données de séries temporelles en santé.

De nouvelles méthodes mettent l'accent sur les actions à haute récompense pour un meilleur apprentissage hors ligne.

Cet article parle d'une nouvelle méthode pour améliorer la reconnaissance d'images en utilisant des régions.

Cet article examine les préoccupations en matière de confidentialité liées aux modèles de diffusion et propose des solutions.

De nouveaux algorithmes améliorent l'efficacité pour résoudre des problèmes d'optimisation complexes.

Présentation des graphes hybrides et leur importance pour comprendre les réseaux complexes.

Cet article parle des stratégies pour réduire les risques de vie privée dans l'apprentissage automatique.

PandaLM automatise les processus d'évaluation pour améliorer le suivi des instructions des grands modèles de langue.

Un nouveau cadre vise à clarifier les prédictions de classification des séries temporelles.

Un nouveau modèle permet des discussions détaillées sur le contenu vidéo.

Une méthode pour élaguer des jeux de données tout en gardant de bonnes performances dans les tâches d'apprentissage automatique.

Une nouvelle méthode réduit les risques dans les systèmes de contrôle en utilisant l'apprentissage par renforcement profond.

Une nouvelle méthode améliore la prise de décision du modèle en abordant l'incertitude.