Derniers articles pour Apprentissage automatique

Découvre comment Sparse Joint Shift gère efficacement les changements dans les distributions de données.

La méthode FixFit simplifie les paramètres du modèle pour obtenir de meilleures idées scientifiques.

Cette étude améliore les modèles de discours bilingues en utilisant un support linguistique solide.

Découvrez SolverX, un solveur rapide pour les problèmes de contrôle des robots en utilisant des systèmes affines par morceaux.

Un nouveau cadre améliore la capacité de l'IA à apprendre à partir de quelques exemples en médecine.

Un nouveau modèle transforme les sons en images claires, reliant les infos audio et visuelles.

Un nouveau cadre renforce la sécurité des appareils IoT à l'ère de la 6G.

Une nouvelle approche de l'apprentissage par renforcement prend en compte le risque et l'incertitude dans la prise de décision.

Une nouvelle méthode pour générer des sous-titres audio en utilisant des modèles de langage pré-entraînés.

Évaluer la performance de ChatGPT dans différentes langues et tâches révèle des limites importantes.

Explorer deux méthodes pour entraîner des MLP avec des données symétriques.

Les systèmes CIM améliorent l'efficacité mais exposent à des vulnérabilités face aux attaques par canaux auxiliaires.

SigSegment vise à améliorer la sécurité routière en détectant les distractions du conducteur en temps réel.

Cette étude évalue les CNN pour classifier les états de percolation en physique.

Une méthode novatrice pour identifier et classer des comportements de conduite inhabituels.

Explorer comment l'apprentissage automatique prédit efficacement les taux de survie au cancer du sein.

Dynamic Mobile-Former améliore l'efficacité et les performances de la vision par ordinateur grâce à la convolution dynamique.

De nouvelles méthodes améliorent la vitesse et la précision du marquage des images.

De nouvelles approches améliorent le contrôle prédictif pour des systèmes complexes en utilisant l'apprentissage automatique.

Une nouvelle méthode améliore la reconnaissance d'actions dans les vidéos de drones en sélectionnant des frames importantes.

Une approche innovante pour aligner des vidéos sans exemples ou entraînement préalables.

Les recherches montrent que la taille structurée améliore la performance des modèles de deep learning multi-tâches.

KD-DLGAN améliore la qualité de génération d'images en utilisant la distillation de connaissances.

Explorer de nouvelles méthodes pour améliorer l'apprentissage avec peu de données.

PointCLIMB permet aux machines d'apprendre à partir de nuages de points sans perdre leurs connaissances précédentes.

Cette étude examine les avantages de la récupération pour améliorer la performance des modèles de langue.

Le benchmark RoboBEV évalue les systèmes BEV face à des défis du monde réel.

RLOR améliore l'apprentissage par renforcement profond pour des solutions de recherche opérationnelle adaptables.

Explorer des méthodes qui éclaircissent les décisions des modèles d'apprentissage profond.

Utiliser des indices visuels comme des cercles rouges peut améliorer le traitement d'image par l'IA.

Une nouvelle méthode améliore la classification des gestes, gérant aussi bien les gestes connus que ceux non entraînés de manière efficace.

Une étude sur l'optimisation de portefeuille avec des coûts de transaction et de tenue intégrés.

Découvrez comment les PCFG et les LLM transforment la technologie linguistique.

Cette étude explore l'utilisation du DRL pour améliorer la planification de séquences d'assemblage.

Nouvelle méthode automatise les vérifications des roues pendant la production de voitures pour la sécurité et la qualité.

Nouveau modèle améliore le traitement des données radar pour une meilleure détection des objets.

Améliorer les réseaux de neurones à spikes grâce à des techniques innovantes de partage de connaissances.

Un aperçu des benchmarks NAS et leur impact sur la conception des réseaux de neurones.

Présentation de Zoom-VQA, une méthode pour évaluer la qualité vidéo à plusieurs niveaux.

Ce cadre utilise l'adaptation en temps de test pour mieux prédire les mouvements humains.