Derniers articles pour Science des données

Nouveau projet améliore la compréhension des situations de circulation par les voitures autonomes.

Un aperçu des fonctions softmax et des mécanismes d'attention dans les grands modèles de langage.

Une nouvelle méthode améliore la segmentation d'images en utilisant une modélisation binaire indépendante.

Présentation de NSRwH pour un meilleur ajustement des expressions mathématiques.

Utiliser l'apprentissage auto-supervisé pour prédire la performance au box-office.

Un nouvel algorithme améliore l'augmentation de données en utilisant des informations d'étiquettes pour un meilleur entraînement du modèle.

Une étude comparant les techniques d'augmentation de données pour améliorer les modèles de vision par ordinateur.

Les AOT-SNNs améliorent l'estimation de l'incertitude dans les réseaux de neurones à impulsions pour de meilleures prédictions.

Une nouvelle méthode améliore les modèles 3D à partir de scans réels bruyants.

Une nouvelle méthode pour améliorer la précision des prédictions et les estimations d'incertitude en apprentissage automatique.

Cette étude améliore la capacité des GNN à gérer des tâches multi-nœuds grâce à des techniques d'étiquetage innovantes.

Une nouvelle méthode améliore la reconnaissance d'images avec des exemples limités.

Améliorer la classification des SPNs grâce à la combinaison d'imageries médicales et de données cliniques.

Une nouvelle méthode améliore le regroupement en alignant les représentations à travers plusieurs vues.

CCLONE analyse les données scRNA-seq pour identifier les cellules cancéreuses plus efficacement.

Cette étude montre comment les socio-démographies influencent les relations régionales au-delà de la géographie.

Une nouvelle approche utilise des structures graphiques pour améliorer la précision du taggage d'images.

Cette étude examine l'apprentissage à faible tir et ses défis dans la vision par ordinateur dans le monde réel.

Une nouvelle méthode améliore la précision des requêtes SQL à partir de saisies en langage naturel.

De nouvelles méthodes améliorent l'imagerie de conductivité en utilisant l'apprentissage profond et des approches traditionnelles.

Explorer de nouvelles méthodes pour un apprentissage par imitation efficace dans les machines.

GCNH améliore l'apprentissage à partir de structures de graphes complexes, en s'attaquant efficacement à l'hétérophilie.

SequeL simplifie les expériences d'apprentissage continu avec la compatibilité PyTorch et JAX.

Une nouvelle méthode améliore l'efficacité du modèle pour apprendre avec peu de données.

Cet article parle du classement multilabel et de ses conditions d'apprentissage en apprentissage automatique.

Cet article souligne l'importance de la personnalisation pour améliorer la performance des modèles de langage.

Cet article passe en revue les approches de classement par paires et leur efficacité dans différentes applications.

Une nouvelle approche d'auto-apprentissage améliore la sélection d'algorithmes de détection d'anomalies non supervisée.

Un aperçu des méthodes adaptatives pour identifier les problèmes dans les appareils IoT.

Une nouvelle méthode améliore la détection de la désinformation sur les réseaux sociaux en utilisant des données non étiquetées.

Apprends comment les GNN améliorent la classification de texte en saisissant des relations complexes entre les mots.

asRNN améliore la mémoire et la stabilité de l'entraînement pour de longues séquences en apprentissage machine.

B2Opt simplifie l'optimisation black-box, rendant le tout plus efficace et meilleur avec moins d'évaluations.

Stratégies pour améliorer les performances des modèles sur des ensembles de données déséquilibrés.

Explorer les complexités des paysages de perte dans les réseaux de neurones.

Explore l'impact des transformations d'image sur la performance des modèles en apprentissage auto-supervisé.

Apprends ce qu'est l'explosion de gradient et des techniques pour stabiliser l'entraînement en deep learning.

MANS améliore l'entraînement des modèles en utilisant des graphes de connaissances multi-modaux grâce à un meilleur échantillonnage négatif.

MORSE améliore la segmentation d'images médicales en s'attaquant aux principaux défis en détail et en efficacité.

SynthPop++ crée des populations synthétiques pour de meilleures décisions basées sur les données.