Derniers articles pour Science des données

Une nouvelle méthode combine l'apprentissage auto-supervisé et l'apprentissage actif pour une reconnaissance d'activités efficace.

Cette méthode utilise des données audio et visuelles pour résumer les vidéos de manière efficace.

Un modèle qui combine images et texte pour des conversations plus cool.

Apprends comment le lissage aléatoire renforce l'apprentissage automatique contre les attaques adversariales.

Un aperçu de comment le préconditionnement par gradient améliore l'efficacité de l'entraînement des modèles.

Explore comment les LLM peuvent structurer les infos sur la durabilité en Graphes de Connaissances.

Une nouvelle approche améliore KNN pour une meilleure classification des données.

Une nouvelle méthode aide les modèles à apprendre à partir d'un seul exemple de données.

L'apprentissage auto-supervisé de l'IA améliore la détection de la rétinopathie diabétique avec moins d'images étiquetées.

Combiner des techniques pour améliorer l'estimation de l'état dans les usines de capture de carbone.

Une nouvelle méthode améliore la qualité de la traduction en générant des exemples d'entraînement supplémentaires.

Une nouvelle méthode améliore l'optimisation des hyperparamètres grâce à des approches multi-objectifs.

Un nouveau cadre améliore les recommandations et les explications grâce à des interactions géométriques entre utilisateurs et articles.

Une nouvelle méthode améliore les GNN, s'attaquant à l'oversmoothing et boostant les performances.

Une nouvelle méthode améliore la représentation des données topologiques pour l'apprentissage automatique.

Varta aide à améliorer la génération de titres pour les langues indiennes avec 41 millions d'articles.

Un regard critique sur la fiabilité de la métrique ROAR dans l'importance des fonctionnalités.

De nouvelles techniques aident à élargir l'accès aux services financiers pour les communautés mal desservies.

Une étude montre que les modèles encodeur-décodeur surpassent les méthodes traditionnelles dans les tâches de classification d'étiquettes.

Découvre comment le Thompson Sampling améliore les choix dans des environnements incertains.

Un aperçu des modèles génératifs et de leur rôle transformateur dans la génération de données.

Une nouvelle façon d'améliorer la cohérence dans la catégorisation des produits en ligne.

DCR améliore l'interprétabilité de l'IA tout en gardant une grande précision.

VCSum fournit un ensemble de données complet pour une bonne résumé de réunions en chinois.

Une nouvelle méthode améliore la capacité de l'IA à planifier des actions avec des exigences spécifiques.

Une nouvelle méthode vise à équilibrer les recommandations en fonction des préférences des utilisateurs.

Améliorer les estimations grâce à l'assimilation de données variationnelle avec la méthode de Gauss-Newton.

Une nouvelle méthode analyse les taux de COVID-19 et les réponses en Angleterre au fil du temps.

Découvrez comment BPI améliore l'imputation pour les jeux de données avec des valeurs manquantes.

Une nouvelle base de connaissances améliore le raisonnement analogique dans les modèles linguistiques.

Un outil logiciel simplifie la collecte des données de classement à partir des articles de recherche en IA.

Analyser comment les LLM prédisent efficacement les notes des utilisateurs.

Une nouvelle méthode améliore la reconnaissance des actions en se concentrant sur le timing et le mouvement.

Une nouvelle méthode combine l'apprentissage actif et continu pour un entraînement de modèle efficace.

Une nouvelle approche combine des éléments visuels et des connaissances externes pour améliorer les réponses aux questions.

Une nouvelle méthode améliore l'extraction des interactions bactériennes à partir de la littérature scientifique.

XTab améliore l'apprentissage machine pour des ensembles de données tabulaires variés, rendant les modèles plus flexibles.

Cet article parle d'améliorer les processus gaussiens en utilisant des réseaux de neurones et des caractéristiques d'induction sphériques.

Examiner comment les modèles de deep learning peuvent produire des résultats inattendus suite à de petits changements dans les entrées.

Decker combine des sources de connaissance pour améliorer la vérification du bon sens.