Informatica - Apprendimento automatico

Uno sguardo alla fusione dei modelli pesati e al suo impatto sulle prestazioni del deep learning.

Un nuovo framework migliora la velocità e la memoria per i modelli di machine learning sui dispositivi edge.

Capire il ruolo dell'IA nella medicina attraverso tecniche di IA spiegabile (XAI).

Combinare RL con la guida di LLM migliora l'apprendimento grazie a una calibrazione attenta.

Il metodo di ricerca migliora le risposte nei modelli riducendo il bias su argomenti sensibili.

Un nuovo approccio migliora la comprensione delle interazioni tra neuroni e del loro ruolo nel comportamento del cervello.

Uno strumento innovativo per il debug in-device nei modelli TinyML migliora le prestazioni e l'affidabilità.

Un nuovo approccio aiuta i medici a valutare meglio le immagini mediche.

Capire la doppia natura dell'ozono e il suo impatto sulla salute e sull'ambiente.

Un nuovo approccio per identificare il rischio di PTSD usando tecniche di machine learning.

Esplora come la coerenza ciclica e i modelli linguistici migliorano la qualità della traduzione automatica.

Esplorare come l'IA possa allineare preferenze diverse nel tempo.

Essere gentili aiuta l'IA a servire meglio gli esseri umani.

Un nuovo modello affronta la sfida del tempismo incerto degli eventi in vari settori.

Un nuovo sistema migliora l'adattabilità dei modelli di linguaggio grande su diversi dispositivi.

La ricerca unisce la SERS e il deep learning per migliorare la diagnosi sanitaria usando campioni di urina.

La funzione di attivazione HeLU risolve le limitazioni della ReLU per i modelli di deep learning.

Questo modello offre un nuovo modo per analizzare dati complessi con più categorie.

Scopri come allineare l'IA con dataset più piccoli e di alta qualità.

TAMA offre soluzioni innovative per rilevare anomalie nelle serie temporali con intuizioni chiare.

SoftLM rende i modelli linguistici più piccoli e veloci per l'uso quotidiano.

Esplora l'impatto degli stili di domande sulle prestazioni dei modelli di intelligenza artificiale.

Una nuova tecnica per accelerare i Diffusion Transformers senza perdere qualità.

Un nuovo algoritmo che offre soluzioni a problemi complessi di ottimizzazione.

TESGNN migliora la comprensione delle scene da parte delle macchine attraverso l'elaborazione dei dati temporali e spaziali.

Esplorare la sparsità dell'attivazione per migliorare l'efficienza dei modelli linguistici.

Questo nuovo metodo semplifica il modo in cui i computer apprendono da testi, immagini, suoni e video.

Scopri come i dispositivi si allenano da soli mantenendo i tuoi dati al sicuro.

Un nuovo metodo migliora la capacità delle macchine di rilevare i confini delle parole nel parlato.

Gli Autoencoder Sparsi a Gradiente migliorano l'influenza delle caratteristiche per una migliore comprensione del modello.

Scopri come gli inverter intelligenti influenzano i sistemi energetici e sollevano preoccupazioni per la cybersecurity.

Nuovi metodi migliorano i GNN usando identificatori unici per una migliore distinzione dei grafi.

Un nuovo modello sembra promettente nell'integrare dati sanitari diversi per una diagnosi migliore.

Esplora i framework popolari che migliorano l'efficienza e la velocità del machine learning.

Uno sguardo a come le variabili influenzano le previsioni del machine learning.

NeKo migliora la comunicazione tra macchine sistemando errori di linguaggio, traduzioni e testi.

MDBPE ottimizza l'elaborazione delle immagini comprimendo i dati visivi in modo efficiente.

Ridurre i modelli linguistici grandi per migliorare le prestazioni e l'uso delle risorse.

Scopri come i nuovi metodi migliorano la qualità delle immagini generate dall'IA.

Esplorando come la dimensione del modello influisce sulle prestazioni nella rilevazione OOD.