Derniers articles pour Science des données

SpaceNLI teste la capacité des systèmes informatiques à comprendre le raisonnement spatial dans le langage.

De nouvelles méthodes améliorent le traitement des données de haute dimension en apprentissage automatique.

DeepClean utilise l'apprentissage automatique pour améliorer la qualité des données dans la détection des ondes gravitationnelles.

Une nouvelle approche pour s'attaquer aux défis de l'apprentissage incrémental à quelques exemples.

De nouvelles méthodes auto-supervisées améliorent l'analyse d'images médicales sans avoir besoin de beaucoup de données labellisées.

Une étude sur l'amélioration des tâches de régression avec des méthodes hybrides.

Un aperçu de comment l'attribution des caractéristiques améliore l'interprétabilité en apprentissage profond.

Cette étude examine comment des explications contrefactuelles peuvent améliorer la prise de décision de l'IA dans les tumeurs cérébrales pédiatriques.

EM-Network améliore l'apprentissage des séquences dans les tâches de traitement de la parole et du langage.

Une nouvelle méthode pour améliorer la précision de l'alignement des entités dans les graphes de connaissances.

EHRSHOT propose un nouveau jeu de données et un modèle pour booster la recherche en ML dans le domaine de la santé.

S2vNTM améliore la classification de texte en intégrant efficacement des mots-clés définis par l'utilisateur.

Un nouveau cadre améliore l'échantillonnage des événements extrêmes en utilisant l'apprentissage automatique et des méthodes traditionnelles.

Une nouvelle méthode pour mieux grouper les tâches en apprentissage multi-tâches en utilisant des cartes de données.

Utiliser des méthodes UDA améliore la classification des lésions cutanées et favorise l'équité entre les différentes démographies.

Les GNNs de haut ordre améliorent l'apprentissage à partir de données graphiques complexes en utilisant des P-tensors.

Cet article examine des méthodes pour classer des textes juridiques avec peu de données étiquetées.

Une nouvelle méthode améliore les modèles de langage pour la santé avec moins de ressources.

Une nouvelle méthode pour combiner des modèles d'IA interprétables et complexes pour mieux comprendre.

Un cadre pour évaluer la robustesse des réseaux de neurones bayésiens face aux attaques adversariales.

Une nouvelle méthode d'élagage améliore la vitesse et l'efficacité des modèles d'apprentissage profond.

Une nouvelle méthode améliore le transport optimal en apprenant des structures de coûts spécifiques aux données.

Résumé des transformateurs de langage visuel et de leur impact sur les tâches d'IA.

Une nouvelle méthode améliore l'appariement entre les images visibles et infrarouges.

Cette étude montre comment le SGD peut améliorer les processus gaussiens pour de meilleures prédictions.

Ce jeu de données vise à améliorer la recherche de nouvelles vidéo dans cinq langues.

LISSNAS réduit efficacement les espaces de recherche pour de meilleurs designs de réseaux de neurones.

Ce boulot explore des adaptateurs légers pour adapter des embeddings de phrases à des domaines spécifiques de manière efficace.

Ce document présente un nouveau modèle pour analyser des données d'événements sur des structures de graphes.

Examiner comment l'apprentissage automatique affecte les résultats liés aux opioïdes dans des communautés diverses.

Ce papier explore les semi-anneaux pour améliorer l'analyse des gradients dans les modèles d'apprentissage profond.

De nouvelles techniques améliorent les performances des modèles de langage grâce à une meilleure évaluation des données.

La recherche se concentre sur l'amélioration de la technologie vocale pour les langues qui manquent de données suffisantes.

Une nouvelle méthode améliore l'évaluation de la similarité des phrases, même avec du bruit dans le texte.

Une nouvelle méthode améliore la précision de la segmentation en utilisant l'adaptation de domaine semi-supervisée.

Explorer l'importance de la vérification dans le contenu généré par l'IA.

Découvrez comment les LLM transforment l'enseignement et l'apprentissage de la science des données.

Examiner comment la séparabilité des sous-groupes influence le biais dans les modèles d'imagerie médicale.

Une nouvelle approche pour estimer les effets du traitement malgré les données manquantes.

Une nouvelle approche utilise des mesures pour améliorer les modèles d'apprentissage automatique et relever des défis du monde réel.