Derniers articles pour Science des données

Présentation d'une nouvelle méthode pour estimer les compteurs dans les formules DNF.

Une nouvelle méthode améliore l'apprentissage à partir de graphes malgré le bruit des données.

Une nouvelle approche améliore l'apprentissage sans échantillon pour une meilleure classification des données IoT.

Découvrez des approches multilevel innovantes qui transforment les stratégies d'optimisation pour des problèmes complexes.

Un aperçu complet des méthodes d'apprentissage auto-supervisé dans la reconnaissance de texte.

MM-RCR améliore la prédiction des conditions de réaction optimales en synthèse chimique.

Un nouveau jeu de données vise à améliorer la création d'affiches scientifiques grâce à l'analyse de mise en page.

Une nouvelle méthode améliore la précision de l'interpolation en utilisant des fonctions d'échelle apprises.

Explorer comment des jeux de données diversifiés améliorent les petits modèles linguistiques dans le domaine de la santé.

Un système qui crée des rythmes de batterie uniques à partir de prompts écrits pour les musiciens.

Présentation de PolyRAG, un système qui améliore la précision de la recherche d'infos dans des domaines spécialisés.

De nouvelles techniques améliorent la qualité des échantillons dans les modèles de diffusion discrets.

Explorer les biais humains et leur impact sur l'équité de l'IA.

Nouveau jeu de données et modèle améliorent les prévisions des mouvements d'avions dans les aéroports.

MoFO aide les grands modèles de langage à garder leur savoir pendant le fine-tuning sans perdre en performance.

De nouvelles méthodes améliorent la segmentation sémantique en prenant en compte les relations entre les classes.

Cette étude présente une nouvelle méthode pour les encodages positionnels dans les graphes dirigés.

Présentation de CNES pour une prédiction de lien efficace dans des réseaux en évolution.

De nouvelles méthodes d'entraînement améliorent les LLM pour de meilleures suggestions de produits en ligne.

Une nouvelle approche de données synthétiques améliore la privacy dans l'apprentissage fédéré.

Un aperçu de comment on mesure l'intelligence des modèles de langage IA.

SynthVLM crée des données synthétiques de haute qualité pour entraîner des modèles de langage visuel de manière efficace.

BVI-AOM propose une ressource variée pour optimiser les techniques de compression vidéo.

JaColBERTv2.5 booste les performances de recherche en japonais avec moins de données.

Meltemi 7B apporte des outils d'IA avancés aux locuteurs grecs.

Une nouvelle approche pour améliorer l'efficacité dans l'apprentissage multitâche en utilisant des matrices de faible rang.

Explorer les avantages et applications de l'auto-distillation pour améliorer les modèles d'apprentissage machine.

Un nouveau jeu de données pour analyser les documents d'identité afin d'aider les services en ligne.

Cette étude examine des méthodes pour améliorer les modèles de langue italienne dans des domaines spécialisés.

Un aperçu des méthodes améliorées pour ajuster les taux d'apprentissage dans les modèles d'apprentissage automatique.

Cette recherche étudie l'impact de l'élagage et des structures aléatoires sur la performance des RNN.

De nouvelles méthodes améliorent l'estimation des effets de traitement pour des résultats à forte queue dans les expériences.

Une nouvelle méthode améliore l'entraînement des modèles de langage épars tout en minimisant la perte de performance.

Une méthode pour développer des politiques résilientes pour les drones dans des environnements incertains.

Une nouvelle méthode pour optimiser les exécutions de circuits dans l'estimation du noyau quantique.

Traiter les problèmes pour suivre les installations de panneaux solaires avec des technologies avancées.

Une nouvelle méthode améliore l'efficacité et la précision de l'entraînement des réseaux de neurones graphiques.

Penzai et Treescope simplifient la manipulation et la visualisation des modèles en apprentissage automatique.

CAF-PoNo améliore l'analyse causale en utilisant des flux de normalisation, garantissant l'inversibilité dans des relations complexes.

Les réseaux de neurones RUM utilisent des marches aléatoires et de la mémoire pour améliorer le traitement des graphes.