Derniers articles pour Science des données

Voici SwiLoRA, une méthode qui optimise l'entraînement des grands modèles de langage avec moins de ressources.

Un nouveau modèle apprend à valoriser les données efficacement et explique ses décisions.

Une nouvelle approche combine la modélisation physique avec l'apprentissage automatique pour la génération de données de charge nette.

Une nouvelle méthode pour identifier les influenceurs clés dans des hypergraphes montre des résultats prometteurs.

Des chercheurs développent un modèle pour améliorer l'apprentissage des graphes en utilisant des données provenant de diverses sources.

Cet article discute des méthodes avancées de correction d'erreur quantique utilisant le recuit de population.

DEFT améliore les modèles de diffusion pour un échantillonnage conditionnel efficace avec un minimum de ressources.

Une nouvelle méthode améliore la transparence des modèles d'embedding de graphes de connaissances.

Une nouvelle méthode de décroissance de poids améliore la sparsification dans les réseaux de neurones.

Un outil complet pour modéliser les phénomènes de propagation dans des réseaux complexes.

Une méthode utilisant MCMC pour une génération efficace d'échantillons négatifs dans l'apprentissage contrastif.

Un nouveau cadre pour guider les modèles génératifs à obtenir des résultats spécifiques.

Une nouvelle approche améliore les réglages du solveur numérique pour les problèmes aux limites.

Une nouvelle méthode améliore l'auto-formation pour les agents linguistiques en utilisant des modèles de réflexion.

Des données de haute qualité sont super importantes pour réussir la découverte de médicaments et l'intégration de l'IA.

Une nouvelle méthode aide à équilibrer les données d'entraînement pour une meilleure performance de l'IA.

De nouvelles méthodes améliorent la performance des tâches principales en utilisant des données auxiliaires sans coûts de calcul supplémentaires.

GNAN combine l'interprétabilité et la précision pour des modèles d'IA basés sur des graphes.

Une nouvelle approche utilisant des LLM pour créer des distracteurs avec un minimum d'intervention humaine.

Une nouvelle méthode offre des perspectives plus claires sur les décisions des modèles d'apprentissage profond.

Un cadre pour améliorer l'apprentissage continu avec des données structurées en graphes.

Cette étude examine les méthodes de regroupement d'images sur de grands ensembles de données, mettant en évidence les variations de performance.

Ce papier présente une nouvelle approche pour améliorer les performances de KGQA en utilisant des GNN et des LLM.

Un nouveau cadre améliore les prédictions pour les entités non vues dans les graphes de connaissances.

La nouvelle méthode SAVA améliore la sélection des données pour de meilleures performances du modèle.

Ce papier présente une méthode pour créer des classificateurs IA faciles à comprendre.

Cet article parle des performances des qGANs basés sur le style sur différents ordinateurs quantiques.

Présentation de CUT, un cadre pour la génération d'anomalies réalistes et diversifiées sans formation supplémentaire.

Une nouvelle méthode améliore la stabilité des GNN dans différentes situations de données.

Une nouvelle méthode améliore les conseils médicaux en utilisant des données passées tout en réduisant les risques.

Cet article examine comment les réseaux ReLU approchent des fonctions à faible régularité.

Un cadre pour identifier et réduire les biais dans les ensembles de données d'entraînement.

Une méthode pour simplifier et compresser des structures de données complexes pour une analyse plus facile.

Apprends comment la randomisation de graphes aide à analyser le comportement et les motifs des réseaux.

Cette étude examine comment les modèles préentraînés regroupent des données invisibles.

Cette recherche étudie l'équité des modèles d'apprentissage auto-supervisé entre les groupes démographiques.

Cet article examine le potentiel de l'IA générative dans la génération de données de séries temporelles.

Cette étude souligne l'importance du Noyau Tangentiel Neuronal dans l'entraînement des réseaux de neurones.

Cette étude se concentre sur l'amélioration de l'apprentissage zéro-shot grâce à de meilleures descriptions d'entités et de relations.

Présentation d'une méthode rapide pour construire des arbres de décision optimaux en utilisant des techniques innovantes.