Derniers articles pour Science des données

Une nouvelle méthode pour améliorer le transfert de connaissances en apprentissage par renforcement.

Utiliser l'apprentissage automatique pour classer les astéroïdes en fonction de leurs mouvements orbitaux.

La sélection de coreset améliore l'efficacité des modèles d'apprentissage machine quantique en réduisant la taille des jeux de données.

Cet article examine l'évolution de l'apprentissage hebbien dans les réseaux de neurones.

Une nouvelle méthode améliore le regroupement de données en prenant en compte des relations complexes.

De nouvelles méthodes améliorent la détection de points de données inhabituels dans des jeux de données structurés en utilisant l'apprentissage profond.

Ce travail examine comment les LLM améliorent la détection de vulnérabilités dans le code Java.

De nouvelles méthodes combinent la découverte causale et l'apprentissage par renforcement pour obtenir de meilleures insights.

Un aperçu de la théorie essentielle derrière les modèles d'apprentissage profond.

Améliorer la précision des modèles pour des catégories rares dans des ensembles de données à longue queue.

ACAI simplifie la gestion des données et l'exécution des tâches pour les pros du machine learning.

Explorer le rôle de l'apprentissage machine dans la compréhension de la matière des étoiles à neutrons.

Présentation du modèle SPAR pour mieux comprendre les événements extrêmes rares en jointure.

Un nouveau modèle vise à améliorer l'équité dans les systèmes de recommandation tout en gardant la précision.

Une nouvelle méthode forme des systèmes de légendes audio en utilisant uniquement des descriptions textuelles.

Une nouvelle approche s'attaque à l'adaptation de domaine et à l'oubli dans l'apprentissage automatique.

On te présente une nouvelle façon d'évaluer les systèmes de récupération avec des LLM et des banques de questions.

Cette étude développe des techniques d'apprentissage automatique pour mieux identifier les galaxies radio puissantes.

Une nouvelle méthode améliore l'utilisation des données des DSE pour prédire les résultats des patients.

Ce papier parle d'améliorer l'optimisation stochastique grâce à l'échantillonnage de données récurrent et des méthodes de régularisation.

Analyser l'impact des adaptateurs linguistiques sur la performance des modèles multilingues.

RAPTOR améliore notre façon de récupérer et de résumer des infos à partir de textes compliqués.

PLSM réduit la complexité dans les modèles mondiaux de l'IA pour de meilleures prévisions.

Une nouvelle méthode pour identifier les points de changement dans des ensembles de données complexes.

M-RAAP optimise l'association des données vidéo et texte pour de meilleurs résultats de recherche.

L'apprentissage multi-similarité par graphe améliore la découverte de médicaments grâce à des relations moléculaires flexibles.

Cette recherche se concentre sur la modélisation prédictive équitable en tenant compte des structures de groupes hiérarchiques.

Un nouveau jeu de données vise à améliorer la recherche sur les modèles de langage et à promouvoir la transparence.

Recherche sur l'amélioration des modèles d'apprentissage continu grâce à la sensibilité à l'ordre des tâches et des classes.

Libriheavy propose 50 000 heures d'anglais parlé pour améliorer la technologie de reconnaissance vocale.

Cet article parle de l'impact de la sous-déclaration des données sur l'équité des modèles prédictifs.

Examiner la relation entre l'apprentissage automatique quantique et les algorithmes classiques pour améliorer les performances.

Analyser le coût et l'efficacité des grands modèles de langage dans différentes tâches.

Les jumeaux numériques aident à surveiller et à prédire les comportements complexes des systèmes dans différents domaines.

Des chercheurs améliorent des méthodes pour attaquer la cryptographie Learning With Errors en utilisant l'apprentissage automatique.

Un aperçu de comment la tokenisation impacte l'efficacité des modèles de langage.

Une nouvelle approche pour prédire des événements en utilisant des techniques d'apprentissage auto-supervisé.

Présentation de FairEHR-CLP, un cadre pour des prédictions de santé justes et précises utilisant des données EHR.

Une méthode pour garantir des prévisions de demande précises sur des plateformes de services dynamiques.

Un nouvel algorithme améliore l'analyse des ensembles de données complexes pour les chercheurs.