Derniers articles pour Science des données

Cet article examine comment les LLM améliorent la récupération de passages denses.

Examiner comment la compression des modèles affecte les défenses contre les attaques adversariales.

MarginMatch améliore l'entraînement des modèles avec des pseudo-étiquettes de haute qualité.

De nouvelles méthodes améliorent l'explicabilité et la performance dans l'apprentissage multi-vues pour différents domaines.

Des recherches montrent les limites des modèles de transformateurs avec des entrées arithmétiques plus longues.

IGNNet vise à fournir des explications claires pour les prédictions en apprentissage automatique.

Apprends comment les arbres de décision optimaux améliorent la prise de décision dans des domaines clés.

Nouveau cadre pour améliorer l'apprentissage à partir de vidéos de nuages de points dynamiques.

Un nouveau cadre améliore la manière dont les recommandations s'alignent avec les préférences des utilisateurs.

La génération de données synthétiques améliore la confidentialité tout en permettant une analyse de données précieuse.

Une nouvelle méthode améliore la reconnaissance des personnages dans les comics en combinant les traits du visage et du corps.

MarginMatch améliore l'apprentissage à partir de données étiquetées limitées en suivant la performance du modèle.

Ce modèle simplifie les explications en combinant plusieurs tâches en une seule.

Combiner des classificateurs neuronaux avec la simulation de Monte Carlo améliore les méthodes d'analyse de données.

Des chercheurs améliorent la précision de la détection d'objets dans les scènes de circulation en utilisant des connaissances externes.

Cet article examine les faiblesses des méthodes de sélection de tests pour les systèmes d'apprentissage profond.

Une nouvelle méthode améliore la prédiction de mouvement en utilisant des tâches d'apprentissage auxiliaires.

La recherche met en avant de nouvelles façons d'améliorer les défenses des modèles contre les attaques adversariales.

EDNIL renforce la robustesse du modèle face aux changements de contextes de données.

L'apprentissage automatique aide à prédire les conditions de l'eau dans des zones sans stations de surveillance.

Des chercheurs comblent les lacunes dans les données de vitesse des étoiles en utilisant des techniques avancées.

Un aperçu des ensembles fermés par intervalles et de leur comportement de basculement.

Les modèles récents améliorent les prévisions pour les interactions des anticorps avec des antigènes clés.

Optimiser le choix des caractéristiques dans les enquêtes cliniques grâce à l'analyse de similarité textuelle.

Une nouvelle approche qui combine ICL et génération de code pour de meilleures prévisions.

Un aperçu des graphes, de leurs structures et des concepts importants.

Une nouvelle méthode améliore la prévision de mouvement en utilisant des stratégies d'apprentissage auto-supervisé.

Explorer des modèles d'apprentissage automatique pour un meilleur diagnostic des infections fongiques.

L'apprentissage biqualité gère super bien la supervision faible et les changements de dataset en machine learning.

Le dataset VALERIE22 aide à développer une conduite autonome sûre grâce à des images de villes synthétiques.

DEQDet propose une nouvelle approche pour la détection d'objets en utilisant un modèle d'équilibre profond.

Améliorer l'apprentissage continu grâce à l'adaptation des enseignants et la distillation des connaissances.

Cette étude examine des techniques d'informatique quantique pour améliorer la planification de l'acquisition d'images satellites.

Ce papier examine des méthodes pour évaluer la relation entre des concepts en utilisant DBpedia.

Présentation de Knowledge Bridge Learning pour améliorer le transfert de connaissances en deep learning.

Une nouvelle méthode améliore la classification de l'intention de recherche dans les environnements de shopping en ligne.

S'attaquer aux problèmes de données du monde réel avec de nouvelles méthodes d'apprentissage.

NAPA-VQ propose une solution pour garder les connaissances dans les systèmes d'IA tout en apprenant de nouvelles infos.

Une nouvelle approche pour comprendre les données structurées en graphes et les relations entre les nœuds.

Une nouvelle méthode pour calculer les valeurs de Shapley dans les classificateurs bayésiens naïfs améliore l'interprétabilité des modèles.