Informatica - Apprendimento automatico

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.

Double-Dip combina l'apprendimento per trasferimento e la randomizzazione per proteggere contro gli attacchi di inferenza di appartenenza.

I modelli di base stanno trasformando il futuro della tecnologia di guida autonoma.

Esaminare il rapporto tra il quantum machine learning e gli algoritmi classici per migliorare le performance.

Esplorando modi per aumentare l'affidabilità nelle tecnologie di intelligenza artificiale distribuita.

Analizzando il costo e l'efficienza dei modelli linguistici grandi in vari compiti.

Nuovi metodi migliorano la separazione dei segnali da fonti miste, affrontando le sfide del rumore in modo efficace.

Nuovi approcci di machine learning migliorano le capacità di tracciamento dei robot in ambienti incerti.

I gemelli digitali aiutano a monitorare e prevedere i comportamenti complessi dei sistemi in vari settori.

I ricercatori migliorano i metodi per attaccare la crittografia Learning With Errors usando il machine learning.

Un nuovo modello migliora la classificazione delle fasi del sonno usando matrici SPD.

Un nuovo approccio per prevedere eventi usando tecniche di apprendimento auto-supervisionato.

Questo studio esamina l'aggiunta della ricorrenza ai Transformers per migliorare le prestazioni nei compiti di machine learning.

Presentiamo FairEHR-CLP, un framework per previsioni sanitarie giuste e precise usando i dati EHR.

Un modo più veloce per mantenere gli scrittori anonimi senza perdere chiarezza nel testo.

ELRA adatta i tassi di apprendimento per migliorare l'efficienza del machine learning.

Uno sguardo alle tecniche di reinforcement learning sicure e alle loro applicazioni nel mondo reale.

Un nuovo metodo offre un feedback migliore per l'addestramento dei modelli linguistici.

Esplorare come l'unlearning delle macchine aiuti nella privacy dei dati e nella conformità.

Questo articolo parla dei metodi di deep learning per analizzare dati di traiettoria in vari settori.

Un metodo per migliorare l'affidabilità nella generazione di testi misurando l'incertezza.

Un nuovo set di dati rivela informazioni sull'uso di modelli pre-addestrati nei progetti software.