Derniers articles pour Science des données

De nouvelles méthodes améliorent la génération de prompts pour une meilleure performance des tâches dans les modèles de langage.

Présentation d'une nouvelle approche pour les ensembles de données de référence en résolution d'entités pour une meilleure évaluation.

Une nouvelle approche améliore la prévision du flux de trafic en utilisant des techniques de graphes avancées.

Une nouvelle méthode réduit les coûts mémoire pour les optimiseurs avancés en apprentissage automatique.

Utiliser des données en temps réel pour améliorer les prévisions d'épidémies.

Neural CODE améliore les prévisions de séries temporelles en utilisant des données passées et futures.

Une nouvelle méthode pour une analyse de données efficace en utilisant des données étiquetées et non étiquetées.

Une nouvelle méthode améliore les performances du modèle en sélectionnant des erreurs informatives pour le marquage.

NATv2 transforme la conception des réseaux de deep learning pour une meilleure efficacité et performance.

La méthode ReGEN améliore la reconnaissance d'images dans de nouveaux environnements sans données étiquetées.

On propose des méthodes pour améliorer la reconnaissance visuelle dans des ensembles de données bruyants et déséquilibrés.

Cette étude analyse comment améliorer l'apprentissage par transfert entre les tâches.

Une nouvelle méthode améliore la précision de segmentation en utilisant des images générées diverses.

Comprends comment la réduction de dimension suffisante améliore la modélisation prédictive en science des données.

Explorer l'importance de la reproductibilité dans les systèmes d'IA générative.

Une nouvelle méthode combine les réseaux de neurones et les techniques des éléments finis pour améliorer la résolution de problèmes.

Un aperçu de la recherche d'architecture neuronale et son rôle dans l'apprentissage profond.

L'entraînement adversarial améliore la robustesse et l'interprétabilité des modèles de vision par ordinateur.

Combiner l'apprentissage par renforcement et la méthode Branch-and-Bound pour de meilleures solutions d'optimisation.

Un cadre pour évaluer et améliorer la qualité des données pour de meilleures performances des modèles.

Cette étude examine le rôle de l'IA dans l'amélioration des procédés de fabrication additive de métaux.

Explorer les effets des données synthétiques sur les modèles génératifs et leurs résultats.

Les ensembles de Shapley offrent des insights améliorés sur les interactions entre les fonctionnalités dans les prédictions des modèles.

Des recherches montrent que combiner des ensembles de données améliore les modèles de détection de discours de haine.

SageFormer améliore les prédictions de séries temporelles multivariées en capturant les relations entre les séries.

ProtoAD combine des prototypes avec l'apprentissage profond pour détecter plus clairement les anomalies dans les données de séries temporelles.

Une nouvelle méthode accélère le marquage des données et l'entraînement des modèles.

Une nouvelle méthode améliore la sélection de variables pour des ensembles de données complexes dans des tâches à deux vues.

Cet article parle d'améliorer les explications des arbres de décision pour des résultats plus justes.

Une nouvelle méthode améliore l'apprentissage à partir de jeux de données déséquilibrés dans l'apprentissage par renforcement hors ligne.

Explore comment la douceur influence la performance du modèle sur des données non vues.

Un nouvel algorithme réduit les évaluations de circuits quantiques pour une optimisation améliorée.

Combiner des modèles améliore la performance des recommandations séquentielles en prenant en compte les changements de préférences des utilisateurs.

Une nouvelle méthode améliore le suivi du rythme cardiaque en utilisant des signaux PPG.

Un aperçu de l'importance de l'interprétabilité dans les réseaux de neurones profonds.

OpenDelta simplifie l’utilisation de gros modèles pré-entraînés pour différentes tâches.

Explore l'importance des fonctions de perte et des métriques de performance dans les modèles d'apprentissage profond.

Découvre comment les méthodes bayésiennes améliorent les insights des données dans différents domaines.

Cette étude se concentre sur l'amélioration des performances des modèles dans les ensembles grâce à la dissimilarité pendant l'entraînement.

Un cadre pour améliorer la sélection de données avec peu d'échantillons d'entraînement.