Informatica - Apprendimento automatico

Esplora il metodo SSAR per migliorare le previsioni delle serie temporali in vari settori.

ACAI semplifica la gestione dei dati e l'esecuzione dei lavori per i professionisti del machine learning.

Esaminando le sfide di equità nei GNN di fronte a distribuzioni di dati in cambiamento.

Un approccio di deep learning per analizzare le fibre di legno e i vasi in modo efficiente.

Questo studio sottolinea l'importanza di avere dataset affidabili per la rilevazione di anomalie nel traffico di rete.

Il modello DiffRI migliora l'inferenza relazionale nei sistemi complessi usando tecniche di diffusione.

Un nuovo modello punta a migliorare l'equità nei sistemi di raccomandazione mantenendo l'accuratezza.

Questo documento esamina le iniezioni di prompt e le loro implicazioni per i modelli di intelligenza artificiale.

Questo articolo parla dei rischi per la privacy e la sicurezza nei servizi di intelligenza artificiale basati sul cloud.

Un nuovo approccio affronta l'adattamento al dominio e l'oblio nell'apprendimento automatico.

Presentiamo CLML: un modo coerente per l'apprendimento multi-etichetta.

Combinare l'apprendimento contrastivo con complessi simpliciali migliora la rappresentazione e l'analisi dei dati.

Un nuovo metodo combina la regressione simbolica verticale e il deep learning per scoprire equazioni migliori.

Esaminando il ruolo dell'IA generativa nell'educazione dei pazienti per malattie gravi.

Un nuovo approccio migliora l'apprendimento federato affrontando efficacemente i client lenti.

Nuovi metodi migliorano il design dell'RNA per una maggiore stabilità e funzionalità.

Uno sguardo a come MP-SL aiuta i dispositivi nel machine learning garantendo la privacy.

Questo lavoro migliora i metodi di disapprendimento delle macchine per una migliore privacy dei dati e efficienza.

Usare metodi di ML per migliorare la rilevazione dell'Alzheimer attraverso strategie sui dati.

La ricerca unisce le varietà di Fano e il machine learning per la classificazione geometrica.

Questo articolo parla di come migliorare l'ottimizzazione stocastica attraverso il campionamento ricorrente dei dati e metodi di regolarizzazione.

Un nuovo approccio cerca di classificare la malattia di Alzheimer usando diversi tipi di dati.

Un nuovo metodo migliora la generazione di test usando modelli di linguaggio grandi per una copertura migliore.

Usare l'analisi di sopravvivenza per migliorare la manutenzione dei cuscinetti a sfera e ridurre i tempi di inattività delle macchine.

RAPTOR migliora come recuperiamo e riassumiamo informazioni da testi complessi.

Esaminando i rischi degli attacchi backdoor sui sistemi di verifica vocale.

Introducendo un framework per rappresentazioni grafiche personalizzabili nell'analisi del codice.

I ricercatori sviluppano nuove tecniche per un'immagazzinamento dei dati DNA efficiente e gestione degli errori.

PLSM riduce la complessità nei modelli di AI per previsioni migliori.

Graph Multi-Similarity Learning migliora la scoperta di farmaci attraverso relazioni molecolari flessibili.

Questa ricerca si concentra sulla modellazione predittiva equa considerando le strutture gerarchiche di gruppo.

Questo articolo analizza l'impatto delle caratteristiche del dataset sulla precisione dei modelli di machine learning.

Questo studio esamina come i modelli linguistici rispecchiano i pregiudizi dei bambini nella risoluzione dei problemi matematici.

Ricerca su come migliorare i modelli di apprendimento continuo attraverso la sensibilità all'ordine delle attività e delle classi.

Questo articolo parla dell'impatto della sotto-rappresentazione dei dati sulla giustizia nei modelli predittivi.

Uno sguardo semplice su come i tensori interagiscono nelle reti neurali.

Esaminando l'amplificazione del danno nei modelli da testo a immagine e il suo impatto sulla società.

Scopri il mondo energeticamente efficiente delle Reti Neurali Spiking e i loro metodi di apprendimento unici.

BlackMamba combina modelli di stato-spazio e miscele di esperti per compiti linguistici efficienti.

Un modello di machine learning stima i livelli di inquinamento atmosferico in tutta l'Inghilterra, riempiendo le lacune nei dati.