Informatica - Apprendimento automatico

Questo articolo parla dell'importanza di prevedere i movimenti dei pedoni per la sicurezza dei veicoli autonomi.

Esplora come il meta-apprendimento non lineare migliora l'efficienza e l'accuratezza nell'apprendimento dei compiti.

Un nuovo modo per aumentare l'efficienza nell'esplorazione dell'IA attraverso la Memoria di Sorpresa.

Ecco un fuzzer versatile che usa modelli linguistici grandi per migliorare i test del software.

Questo articolo parla di come migliorare i framework architettonici per le esigenze della moderna scienza dei dati.

Un nuovo modello migliora l'accuratezza della mappatura dell'uso del suolo con dati limitati.

Un nuovo sistema aiuta i medici a trovare note importanti più velocemente usando l'apprendimento automatico.

Un nuovo modello per affrontare le sfide nell'analisi di dati di serie temporali campionati in modo irregolare.

SegMatch usa l'apprendimento semi-supervisionato per segmentare gli strumenti chirurgici con meno dati etichettati.

Nuovi metodi nel riconoscimento delle immagini mostrano un potenziale per un'accuratezza simile a quella umana.

Un nuovo metodo migliora il RL usando dati di esperti in contesti offline.

Un nuovo modello migliora l'imaging PET a bassa dose per diagnosi mediche migliori.

Utilizzare l'apprendimento auto-supervisionato per migliorare l'analisi delle equazioni differenziali parziali.

Un nuovo approccio migliora il rilevamento degli oggetti nelle immagini aeree, concentrandosi su piccoli oggetti raggruppati.

Una panoramica su come la geometria dell'informazione può migliorare le tecniche di machine learning.

La ricerca mostra che il machine learning migliora notevolmente i tassi di rilevamento delle SQL injection.

Un nuovo framework di intelligenza artificiale garantisce operazioni sicure degli aerei in aree urbane affollate.

Esplorare il potenziale dell'apprendimento auto-supervisionato nel recupero di informazioni musicali.

Esplorare le complessità e le soluzioni del machine unlearning per la privacy dei dati degli utenti.

GraphCC migliora il controllo della congestione grazie all'ottimizzazione in tempo reale e alle tecniche di machine learning.

Un'indagine sulle pratiche online che influenzano la sicurezza dei bambini sulle piattaforme digitali.

Un nuovo approccio per garantire previsioni eque nell'analisi della mobilità urbana.

Nuovi metodi migliorano l'analisi dei dati delle sperimentazioni cliniche grazie a tecniche di apprendimento attivo.

Questa ricerca si concentra sul migliorare l'efficienza e la privacy nell'apprendimento federato tramite metodi di compressione adattiva.

La condivisione di dati sintetici migliora la ricerca sanitaria proteggendo la privacy.

Uno sguardo al monitoraggio della salute strutturale e ai suoi metodi basati sui dati.

La ricerca esplora l'induzione di slot per migliorare la comprensione del linguaggio umano da parte delle macchine.

Un nuovo framework punta a migliorare l'accuratezza delle raccomandazioni per contenuti multimediali.

Un nuovo approccio per rilevare il malware nei file PDF con meno funzionalità.

Lo studio usa metodi basati su grafi per analizzare le interazioni delle proteine del COVID-19.

Analizzando come gli esempi rari influenzano la precisione delle previsioni nel machine learning.

Scopri l'impatto delle attivazioni lineari a tratti sui modelli di deep learning.

L'analisi ECG automatizzata migliora la classificazione del ritmo cardiaco dagli ICM.

Un modello collega l'attività cerebrale alle difficoltà nella camminata nei pazienti con Parkinson.

Uno sguardo a come SHAP e CEN migliorano le intuizioni nell'analisi dei dati.

I ricercatori usano il deep learning per migliorare i modelli di turbolenza nella dinamica dei fluidi.

Un nuovo metodo migliora la modellazione predittiva e l'ottimizzazione, affrontando sfide importanti.

Metodi avanzati aiutano gli agricoltori a rilevare gli afidi con maggiore precisione.

La ricerca migliora la capacità dell'AI di valutare il dolore nei neonati attraverso le espressioni facciali.

Un nuovo metodo migliora l'accuratezza delle previsioni per le equazioni differenziali parziali.