Informatica - Apprendimento automatico

Scopri come la classificazione a una classe aiuta a distinguere gli oggetti insoliti dai dati normali.

I ricercatori sviluppano un campionamento dei dati MRI più intelligente per immagini migliori e maggiore comfort per i pazienti.

Questo studio esplora gli effetti degli ormoni sull'ippocampo e le implicazioni per la salute cerebrale delle donne.

Un nuovo metodo migliora l'analisi dell'eczema usando meno esempi.

Scopri come LAD classifica i dati usando semplici schemi logici per fare previsioni efficaci.

Nuovi metodi di potatura migliorano le prestazioni del modello text-to-speech multi-parlante zero-shot.

Un nuovo metodo migliora il rilevamento degli oggetti integrando dati RGB e IR.

Un nuovo framework per generare embedding chiari da dati grafici non etichettati.

Utilizzare nuove fonti di dati per migliorare il monitoraggio e le previsioni delle epidemie.

Nuovi metodi migliorano l'equità tra le variazioni nei dati.

La ricerca punta a migliorare i modelli linguistici usando fonti di dati esterni precise.

UNREST migliora il processo decisionale nelle auto a guida autonoma considerando le incertezze ambientali.

Impara a gestire il rumore nella modellazione statistica per un'analisi migliore.

Uno studio sugli approcci di machine learning per la manutenzione predittiva e il monitoraggio delle condizioni.

Uno sguardo ai metodi di clustering migliorati usando la ricerca locale multi-swap.

RLLTE offre un framework flessibile per sviluppare e migliorare applicazioni di reinforcement learning.

Esaminando il ruolo dei droni nel migliorare i metodi di rilevamento degli alberi usando nuvole di punti e immagini.

TrueLearn personalizza le esperienze di apprendimento in base alle interazioni individuali degli utenti.

Il framework TEMT migliora il completamento dei grafi di conoscenza temporali usando il contesto testuale.

EFFL punta ad avere una precisione del modello e giustizia uguali tra i clienti nell'apprendimento federato.

Un nuovo approccio accelera le operazioni delle reti neurali elaborando compiti sequenziali in parallelo.

Questo articolo esamina il ruolo dei regolarizzatori di equità negli algoritmi predittivi.

Uno sguardo ai metodi di apprendimento per rinforzo e la loro efficienza in vari contesti.

Un nuovo metodo di valutazione migliora la comprensione delle previsioni dei GNN.

Benchmarking vari metodi di rilevamento OOD per dati tabulari medici.

Esplorando l'uso del deep learning nella modellizzazione dei sistemi hamiltoniani.

Esaminare l'impatto della coerenza del modello di ricompensa sulle prestazioni del modello linguistico.

Esaminando come i modelli di machine learning robusti influenzano l'efficacia delle spiegazioni.

Un framework migliora le prestazioni dei LLM integrando set di strumenti su misura per vari compiti.

Un nuovo modello migliora le previsioni per i dati di serie temporali incompleti.

Questo articolo parla di un nuovo modo per migliorare la navigazione dei robot usando il riconoscimento dei luoghi.

Nuovo studio svela metodi per ridurre la resistenza usando la dinamica dei fluidi.

Un nuovo metodo unisce tecniche basate sui dati con principi fisici per una modellazione migliore.

Uno sguardo a come i metodi di ricerca ad albero migliorano i grandi modelli di linguaggio.

Nuovi metodi migliorano l'efficienza delle reti neurali grafiche con una perdita di prestazioni minima.

GRANDE usa la discesa del gradiente per migliorare l'apprendimento dai dati tabulari.

Questo articolo parla di come usare l'entropia per migliorare le prestazioni e l'interpretabilità delle reti neurali.

Presentiamo un nuovo metodo per creare caratteristiche significative usando il reinforcement learning.

Questo articolo esamina le sfide e le soluzioni legate alle etichette rumorose nei dati di addestramento.

I modelli di coerenza migliorano l'efficienza nella presa di decisioni nell'apprendimento per rinforzo.