Derniers articles pour Apprentissage automatique

Une nouvelle méthode pour améliorer la classification multi-label en utilisant la génération d'images synthétiques.

Explore de nouvelles méthodes pour mieux identifier les anomalies dans les données fonctionnelles.

Intégrer le raisonnement humain dans la formation de l'IA améliore les explications du modèle et renforce la confiance.

Des recherches montrent comment la curiosité aide les robots à en apprendre sur les objets en les explorant.

Le projet EMO-SUPERB améliore la reconnaissance des émotions dans la parole grâce à des techniques améliorées et à la collaboration de la communauté.

Une nouvelle approche pour améliorer l'apprentissage automatique grâce à la théorie des jeux coopératifs.

Combiner le langage et la navigation améliore le fonctionnement des robots dans différents environnements.

Une nouvelle méthode pour estimer des relations indirectes dans des données complexes.

Un aperçu des différentes méthodes d'apprentissage utilisées par les modèles linguistiques.

Une nouvelle méthode améliore la détection d'objets dans les véhicules autonomes en utilisant des données de capteurs combinées.

Un nouvel outil simplifie la compréhension des modèles de machine learning complexes.

Une nouvelle méthode améliore les performances des Vision Transformers sur des ensembles de données déséquilibrés.

Une nouvelle méthode améliore à la fois les compétences linguistiques et mathématiques des modèles de langage.

Des recherches montrent des façons d'améliorer les systèmes de texte en image de manière efficace et économique.

Cette étude analyse l'efficacité de différents algorithmes pour détecter des avions dans des images satellites.

Un nouveau cadre améliore la détection des anomalies grâce à un réglage automatisé des modifications de données.

Cet article explore comment les méthodes de récupération améliorent la qualité de la traduction dans les systèmes de NMT.

TREET utilise des transformers pour améliorer l'analyse de l'entropie de transfert dans différents domaines.

Un nouveau jeu de données améliore la capacité des LLM à suivre des instructions complexes.

AQuA évalue la qualité des commentaires en utilisant des avis d'experts et d'utilisateurs.

DIBS améliore le sous-titrage des événements vidéo en affinant les limites avec des données non étiquetées.

Découvrez comment les systèmes d'IA apprennent avec le temps sans perdre leurs connaissances passées.

Découvrez comment l'attention éparse améliore le traitement dans les modèles de langage.

Cet article examine comment les attaques adversariales compromettent les modèles de classification de texte.

Examiner comment l'incertitude impacte la prise de décision dans les grands modèles de langage.

Effector aide à expliquer les effets régionaux dans les modèles d'apprentissage automatique pour de meilleures perspectives.

Un nouveau cadre améliore l'explicabilité dans les systèmes d'apprentissage profond.

La régularisation SHIELD améliore la performance de l'IA et sa capacité à expliquer les décisions, pour mieux comprendre ce qui se passe.

Cette étude examine comment la taille des lots influence la performance et l'entraînement des modèles de discours.

MGFiD améliore la précision et l'efficacité dans la réponse aux questions ouvertes.

Une nouvelle méthode améliore l'agrégation des arbres de décision tout en gardant l'interprétabilité et la vie privée.

Une nouvelle méthode améliore le classement des moteurs de recherche en utilisant des requêtes synthétiques.

Explorer le rôle des réseaux de neurones bayésiens dans la prédiction des flux turbulents.

De nouvelles méthodes améliorent le traitement des langues dans plusieurs langues différentes.

Des chercheurs améliorent les prévisions climatiques en utilisant des méthodes d'apprentissage automatique pour plus de précision.

Une nouvelle architecture vise à apprendre aux systèmes d'IA à combiner des compétences acquises pour des tâches variées.

Cet article examine les difficultés d'adapter l'apprentissage profond dans des environnements dynamiques.

Une nouvelle méthode améliore la fiabilité des prédictions des réseaux de neurones.

Discute les risques de la vie privée dans l'apprentissage auto-supervisé et présente PartCrop.

Améliorer les descriptions de jeux de données pour une meilleure conformité et utilisabilité.