Derniers articles pour Science des données

Un guide pratique du package QuadratiK pour l'analyse de données sphériques.

Apprends comment la summarisation extractive simplifie des graphes de connaissances complexes.

Une nouvelle approche améliore l'efficacité des modèles ASR multilingues en intégrant des techniques de masquage adaptatif.

GPDiff propose des solutions pour les données urbaines limitées dans les applications de smart city.

Une analyse des systèmes de recommandation et comment améliorer leur efficacité.

Cet article parle des techniques pour améliorer la transparence du raisonnement dans les modèles d'IA.

Une nouvelle approche pour détecter les mèmes haineux en utilisant des techniques d'apprentissage par petits échantillons.

Un nouveau jeu de données vise à améliorer la détection des images créées par IA.

Enquête sur l'audio deepfake pour améliorer les modèles de transcription pour les langues moins courantes.

Un nouveau modèle vise à améliorer les prévisions des densités d'objets spatiaux en orbite basse autour de la Terre.

Une nouvelle fonction de perte améliore l'estimation du rapport de densité en apprentissage automatique.

ProSparse améliore la sparsité d'activation dans les LLM pour une meilleure efficacité et performance.

Découvre une nouvelle méthode pour analyser des réseaux complexes à travers des structures hiérarchiques.

De nouvelles stratégies améliorent l'apprentissage avec des étiquettes faibles en sélectionnant des exemples négatifs pertinents.

Un nouveau cadre améliore l'efficacité de la mise en relation pour les jobs sur LinkedIn.

Une nouvelle méthode améliore l'apprentissage automatique en réduisant les corrélations trompeuses.

Un nouveau référentiel améliore la récupération de documents en polonais.

Découvrez comment les réseaux de neurones quantiques améliorent l'apprentissage automatique grâce à l'intégration de noyaux quantiques.

Nouveau jeu de données vise à améliorer la compréhension du toucher par les machines grâce à la vision et au langage.

Apprends comment la sparsification aide à simplifier les hypergraphes tout en gardant les propriétés clés.

Une nouvelle méthode améliore l'apprentissage en combinant des démonstrations d'experts et des démonstrations sous-optimales.

BuffGraph améliore la classification pour les classes moins courantes dans les données de graphes déséquilibrées.

Cette étude évalue les méthodes d'apprentissage automatique pour améliorer les systèmes de détection d'intrusion.

Une nouvelle approche améliore la détection de données invisibles dans les modèles d'apprentissage automatique.

L'augmentation de l'hyperarête améliore les GNN en capturant des relations complexes dans les données.

CFEVER aide à la vérification automatique des faits des affirmations en chinois en utilisant un ensemble de données solide.

Une nouvelle méthode améliore la précision de la récupération de documents en permettant aux systèmes de s'abstenir de faire des prédictions incertaines.

Explorer des méthodes pour améliorer l'apprentissage automatique dans des environnements de graphes dynamiques.

Explorer les défis de sécurité de l'ingénierie des invites avec les LLM.

Une nouvelle approche bayésienne améliore les méthodes pour apprendre des structures DAG à partir des données.

Cette étude examine comment les modèles de langage apprennent et stockent des informations pendant l'entraînement.

Apprends comment le MTFA réduit les dimensions des données pour des insights plus clairs.

Cet article explore comment le hasard influence l'apprentissage avec des données étiquetées limitées.

L'algèbre introduit de nouvelles méthodes pour gérer des données complexes en apprentissage automatique.

Un aperçu du cadre SKI-CL pour améliorer les prévisions de séries temporelles.

Présentation d'une nouvelle méthode pour classer les modèles de langue sans avoir besoin de réponses de référence.

Améliorer la compréhension des images et du texte par les ordinateurs grâce à des techniques d'entraînement avancées.

Une nouvelle approche améliore les prédictions des propriétés des matériaux en utilisant l'apprentissage auto-supervisé.

Un nouveau modèle améliore la compréhension 3D en utilisant des ensembles de données variés pour de meilleures performances.

Une nouvelle méthode améliore l'estimation pour minimiser les pertes dans des modèles non linéaires.