Derniers articles pour Science des données

CORENet améliore la segmentation d'objets avec peu de données grâce à l'apprentissage faiblement supervisé.

Cette étude présente des méthodes pour récupérer des matrices symétriques de magnitude basées sur des mineurs principaux.

Apprends comment la dernière couche bayésienne quantifie l'incertitude dans les prédictions de machine learning.

Cette étude examine l'efficacité des informations spectrales par rapport à la perturbation des bords dans le SSL de graphes.

Examiner pourquoi les modèles plus grands ont du mal avec l'apprentissage en contexte par rapport aux plus petits.

ALCM améliore la découverte causale en combinant les LLMs avec des méthodes traditionnelles pour des infos plus pointues.

Introduction d'explications sélectives pour améliorer l'attribution des fonctionnalités dans les modèles d'apprentissage automatique.

Une nouvelle approche pour améliorer la performance de la segmentation d'objets vidéo à travers différentes sources de données.

Le dataset MASSIVE-AMR améliore la compréhension multilingue dans les systèmes d'IA.

Examiner les effets des caractéristiques aberrantes sur l'entraînement des réseaux de neurones.

Cette étude présente une meilleure façon d'évaluer la performance des modèles génératifs.

Un nouveau modèle qui améliore la génération de code en utilisant des données multi-sources.

Une nouvelle méthode combine rapidité et qualité dans les modèles de langue.

Cet article explore des stratégies efficaces pour sélectionner et transmettre des données utiles.

Les DDPM créent de nouvelles images en mélangeant des attributs de différentes catégories.

Explorer comment la géométrie riemannienne transforme notre compréhension des réseaux de neurones.

Cet article examine comment les théories de l'apprentissage s'attaquent aux changements de distribution.

PathReasoner améliore les capacités de raisonnement logique des modèles d'IA grâce à des techniques innovantes.

Un nouveau modèle pour prédire les liens dans des graphes dynamiques avec des explications claires.

Une nouvelle méthode améliore la détection des tâches en temps réel dans l'apprentissage automatique.

Apprends à optimiser l'allocation des ressources dans les réseaux sans fil pour améliorer le service.

Une nouvelle approche améliore les systèmes de recommandation en utilisant du texte et des images.

Explorer comment l'informatique quantique influence les techniques d'apprentissage automatique.

Cet article parle de la minimisation de la netteté inspirée du domaine pour une meilleure adaptation du modèle.

Présentation d'une méthode innovante pour détecter des anomalies dans des patterns de données complexes.

Évaluation des algorithmes pour une segmentation efficace des phrases musicales et une analyse de structure.

Explorer comment la dynamique chaotique peut améliorer les réseaux de neurones profonds en intelligence artificielle.

Une nouvelle méthode utilise des réseaux de neurones pour améliorer l'analyse des données du spectre de puissance des galaxies.

Deux nouvelles approches améliorent la fiabilité dans l'évaluation des explications des modèles d'IA.

MAP-Neo vise la transparence et la performance dans la modélisation du langage IA.

Ce travail améliore la génération de légendes d'images grâce à de meilleurs benchmarks et méthodes d'évaluation.

Une nouvelle méthode améliore l'évaluation de la qualité des images avec un dataset diversifié.

Une nouvelle méthode s'attaque à l'équité dans les tâches de classification en apprentissage automatique.

SurgiTrack améliore le suivi des outils chirurgicaux pour de meilleurs résultats et la sécurité des patients.

Les modèles de langue améliorent les performances sur le web grâce à des techniques d'auto-amélioration.

ETHER propose une manière économique d'affiner des gros modèles d'apprentissage automatique.

Un nouveau cadre combine les GNN et les LLM pour des réponses améliorées à partir des graphes de connaissances.

Un nouveau modèle pour prendre de meilleures décisions en utilisant des données historiques.

Une nouvelle méthode améliore la capacité à générer des textes variés avec des attributs spécifiques.

Cet article parle des défis du fine-tuning en few-shot des modèles de diffusion et des solutions.