Informatica - Apprendimento automatico

Uno sguardo alle pratiche di equità nel machine learning e al loro impatto sulla società.

Un nuovo metodo migliora la stima del contenuto di umidità durante l'asciugatura dei materiali filtranti.

Proteggere i dati dei pazienti mentre si usa il machine learning nelle applicazioni sanitarie.

Un nuovo approccio migliora il recupero delle immagini con dati limitati.

Questo studio esamina i difetti nelle immagini generate da GAN e l'efficacia dei classificatori.

Un metodo migliore per creare dati di addestramento nel Controllo Predittivo del Modello.

Uno sguardo ai metodi non supervisionati per rilevare cambiamenti ambientali.

Un nuovo modo per stimare l'accuratezza dei modelli di machine learning su dati mai visti prima.

Un nuovo metodo migliora la capacità dell'INR di recuperare dati mancanti nelle immagini.

La ricerca migliora il recupero del segnale usando reti di unfolding profondo basate su ADMM con analisi di sparsità.

Questo studio affronta le sfide dei modelli visivi in contesti sconosciuti.

Questo articolo esplora quanto siano robusti i vettorizzatori di testo nel gestire i cambiamenti negli input.

Un metodo per valutare modelli di deep learning senza dati etichettati.

Scopri come l'apprendimento self-supervised potenzia i modelli grazie ai dati non etichettati.

Un metodo più semplice per aiutare le macchine a riconoscere le emozioni umane usando il testo.

Esplorare i limiti della d-separazione nei metodi di scoperta causale.

I ricercatori migliorano le immagini 3D usando nuove tecniche per coerenza e realismo.

Metodi innovativi in VLC migliorano la comunicazione wireless in aree affollate.

Un nuovo metodo migliora il modo in cui i robot apprendono dalle azioni umane.

Nuovi algoritmi migliorano il processo decisionale in contesti con premi estremi.

Nuovo metodo riduce gli errori nell'addestramento dual encoder, restando efficiente in memoria.

Usare dati non etichettati per migliorare i sistemi di rilevamento delle auto a guida autonoma in nuovi ambienti.

Un nuovo metodo migliora il riconoscimento delle azioni attraverso scheletri e forme degli oggetti.

Usare il machine learning per ottimizzare i formati di archiviazione per matrici sparse.

I dizionari bilingue migliorano la precisione della traduzione automatica per le lingue a basso risorso.

TANGOS migliora le prestazioni del deep learning sui dati tabulari attraverso la specializzazione dei neuroni.

Esaminare le differenze di prestazioni tra dati sintetici e reali nei sistemi di visione artificiale.

Questo studio valuta le prestazioni di XGBoost nella rilevazione delle frodi con diversi set di dati.

Un nuovo metodo migliora l'efficienza del ranking degli iperparametri nei modelli di machine learning.

Uno studio sull'uso dei nuclei neurali per set di dati grandi attraverso il calcolo parallelo.

AIDA combina modelli basati su dati e modelli basati su regole per simulare meglio il comportamento dei conducenti.

Tecniche efficienti per risolvere problemi di ottimizzazione con proprietà di insieme specifiche.

Questo studio presenta un framework per riconoscere azioni anomale senza bisogno di esempi etichettati.

Presentiamo DLHDMD, un nuovo approccio per modellare in modo preciso sistemi dinamici complessi.

Questo studio esamina l'errore di generalizzazione nei modelli di apprendimento non supervisionato e le loro prestazioni.

Una panoramica della messa a punto della direzione e del potatura delle reti negli attacchi avversariali.

Regole fondamentali e consigli per inviare il tuo paper di ricerca a NeurIPS 2020.

Analizzando le connessioni casuali nelle reti di Erdős-Rényi si scoprono intuizioni sul comportamento delle reti.

Nuovo metodo migliora la qualità dell'imaging biologico usando etichette di classe.

La ricerca si concentra su modelli efficienti per il rilevamento dei segnali stradali usando BNN.