Informatica - Apprendimento automatico

Lo studio combina tecnologie RL e LLM per migliorare le performance degli agenti educativi.

Le FDE neurali combinano reti neurali e equazioni differenziali frazionarie per migliorare la modellazione di sistemi complessi.

Un nuovo approccio migliora le prestazioni delle reti ibride LiFi e WiFi.

Un nuovo metodo migliora l'accuratezza nelle previsioni dei prezzi affinando la selezione delle caratteristiche.

Un nuovo sistema migliora la qualità delle immagini usando adattatori specializzati basati su richieste testuali.

Un metodo di allenamento a due fasi migliora le ODE neurali per sistemi vincolati.

SGD-PH combina metodi di primo e secondo ordine per migliorare le prestazioni dell'addestramento del modello.

I modelli quantistici migliorano l'accuratezza della classificazione delle immagini affrontando variazioni e rotazioni.

Un metodo per verificare l'affidabilità del modello senza etichette vere.

Nuova metrica misura la somiglianza dei dataset mantenendo la privacy nel Federated Learning.

I CNF usano equazioni differenziali per modellare in modo efficace distribuzioni di probabilità complesse.

Esaminando strumenti per rilevare il drift dei dati nelle applicazioni di machine learning.

Il metodo FOOL migliora il trasferimento dei dati satellitari riducendo la dimensione mantenendo la qualità.

Esplorare come il transfer learning influisce sull'efficacia dei modelli in diversi contesti di dati.

Un nuovo modello, MolCRAFT, migliora il design dei farmaci generando strutture molecolari realistiche.

Nuovi metodi migliorano la sicurezza misurando la fiducia nelle decisioni dei veicoli a guida autonoma.

Un nuovo metodo migliora le TC a bassa dose riducendo efficacemente il rumore.

Nuovi metodi migliorano l'addestramento nei sistemi di apprendimento federato decentralizzato.

Un nuovo ottimizzatore migliora la comunicazione nel training distribuito dell'IA.

Nuovi benchmark rivelano le sfide per i MLLM nei compiti reali con contesti lunghi.

Med-Gemini migliora la sanità con intelligenza artificiale avanzata per diagnosi e interazione con i pazienti.

Scopri come i modelli di diffusione migliorano l'analisi dei dati delle serie temporali in diversi settori.

Nuovi strumenti migliorano l'editing delle registrazioni vocali e la qualità della produzione.

Uno studio svela informazioni sul bilanciamento tra input visivi e testuali nei VLM.

Uno sguardo all'importanza della riproducibilità negli studi di IA e ML.

L'ottimizzazione delle preferenze soft migliora il modo in cui i modelli di linguaggio si allineano con le preferenze umane.

Un nuovo metodo migliora l'efficienza del feedback umano nell'RL usando dati di bassa qualità.

Affrontare le diverse preferenze umane nei metodi di addestramento dell'IA.

Esplora come l'apprendimento automatico interpretabile può migliorare le previsioni meteo e climatiche.

Scopri come i modelli generativi stanno cambiando le tecniche di inpainting video.

I ricercatori usano modelli LSTM per studiare la dinamica delle goccioline e la distribuzione dell'energia.

Scopri GRAWA, un metodo che migliora il training distribuito per i modelli di deep learning.

Affrontare i problemi dei punteggi SHAP per una migliore spiegazione del modello.

Scopri come il design dell'ambiente influisce sul reinforcement learning nei sistemi di distribuzione dell'energia.

Impara a costruire e perfezionare modelli di sistemi dinamici usando tecniche avanzate.

Nuovo metodo migliora le spiegazioni per le reti neurali grafiche con testimoni controfattuali robusti.

Il framework TG-ODE migliora l'analisi dei sistemi complessi con dati irregolari.

È proposto un nuovo framework per l'inferenza esatta nei modelli a variabili latenti.

Una panoramica sull'apprendimento per imitazione e le sue applicazioni nella formazione degli agenti.

Uno sguardo agli attacchi backdoor mirati nei sistemi di machine learning federato.