Derniers articles pour Science des données

GEO-Bench vise à faire avancer les modèles de base dans les tâches de surveillance de la Terre.

Une nouvelle approche pour gérer les données incomplètes et bruyantes dans la recherche.

Évaluer l'inférence en langage naturel pour lutter contre les discours de haine dans plusieurs langues.

Explorer l'intersection des avancées en informatique quantique et en apprentissage machine.

Techniques pour améliorer la précision des forêts aléatoires grâce à une régularisation post-hoc.

L'apprentissage quantique fusionne la mécanique quantique et l'apprentissage automatique pour transformer les systèmes informatiques.

Examiner comment des réseaux légèrement surparamétrisés améliorent les résultats d'entraînement.

Les réseaux de neurones offrent de nouvelles façons de résoudre des équations de Poisson complexes en haute dimension.

Un nouveau système améliore la compréhension et la confiance des modèles d'IA grâce à de meilleures explications.

Un nouveau cadre améliore la prédiction du CTR en s'attaquant au biais de sélection des échantillons.

Un aperçu de comment les espaces de Barron améliorent la performance des réseaux de neurones en haute dimension.

GShot génère des graphes de haute qualité à partir de peu de données d'entraînement en utilisant des techniques d'apprentissage par méta.

Une nouvelle approche pour lutter contre l'oubli catastrophique dans les modèles d'apprentissage continu.

G-CAME améliore la compréhension des prédictions des modèles de détection d'objets grâce à des cartes de saillance claires.

Un aperçu de ColdNAS et son impact sur les défis des utilisateurs au démarrage à froid.

Découvre comment l'apprentissage en contexte transforme les capacités des modèles de langue.

Un ensemble de données de 86 millions de molécules aide la recherche en découverte de médicaments et en science des matériaux.

AGRA améliore l'entraînement des modèles en gérant dynamiquement les étiquettes bruyantes pendant le processus d'apprentissage.

ScoreCL améliore l'apprentissage des modèles grâce à un appariement de scores adaptatif dans l'apprentissage contrastif.

DASH propose une méthode rapide et précise pour attribuer des charges partielles dans les molécules.

Un aperçu de comment les autoencodeurs masqués améliorent la compréhension des images grâce à l'apprentissage auto-supervisé.

Explorer comment l'échantillonnage influence les résultats futurs dans des modèles d'urnes complexes.

L'encodeur de centroides linéaires clairsemés simplifie la sélection des caractéristiques pour les grands ensembles de données.

Améliorer la gestion des requêtes rares dans les assistants vocaux grâce à l'augmentation de données.

Une nouvelle méthode améliore l'évaluation des modèles de complétion de Graphes de Connaissances.

Une nouvelle méthode améliore les performances de l'apprentissage automatique en utilisant des graphes de connaissances dans des scénarios de données limitées.

De nouvelles méthodes renforcent la défense contre les attaques adversariales dans les systèmes d'apprentissage profond.

Explore comment l'ajustement des instructions améliore la performance des modèles de langage dans différentes tâches.

ScienceBenchmark propose une nouvelle référence pour les bases de données scientifiques complexes.

Un aperçu de comment les modèles DETR changent la détection d'objets.

Cet article présente un design modulaire pour améliorer l'efficacité et l'adaptabilité des modèles de langage.

Une nouvelle méthode améliore la reconnaissance d'objets dans des espaces 3D en utilisant des modèles 2D existants.

Présentation de SLCE, une méthode supervisée pour une visualisation des données plus claire.

Une nouvelle méthode cible le biais de genre dans les modèles de langage tout en minimisant l'utilisation de données.

De nouvelles méthodes améliorent la vitesse des IRM et la qualité des images en utilisant des masques de sous-échantillonnage sur mesure.

Une nouvelle méthode améliore l'efficacité de l'apprentissage en ligne pour les réseaux de neurones en utilisant des approximations de rang faible.

Des recherches montrent comment les GNN peuvent s'adapter à différentes tailles de graphes.

RD-Suite vise à standardiser l'évaluation des méthodes de distillation de classement pour une meilleure comparaison.

Comprendre des modèles qui combinent différents types de données pour une meilleure génération de résultats.

Une méthode pour améliorer les petits modèles pour plus de fiabilité et de performance.