Informatica - Apprendimento automatico

Questo studio esplora come le rappresentazioni delle reti neurali si evolvono durante l'addestramento, ispirandosi alla natura.

Nuovi metodi migliorano la rilevazione di campioni anomali in ambienti di dati misti.

SADA migliora la stabilità dell'allenamento nel reinforcement learning visivo con tecniche avanzate di data augmentation.

Esplora il ruolo della memoria e del contesto nel migliorare l'apprendimento automatico.

Un nuovo metodo riduce tempo e costi nella formazione dei modelli di diffusione.

Questo studio esplora come le DNN imparano e si adattano attraverso l'allenamento.

Questo articolo esamina i rischi del fine-tuning dei modelli linguistici per la sicurezza.

Esplorare il ruolo delle GNN nel crescita delle tecnologie IoT.

Uno studio valuta come i modelli quantistici e classici rispondono agli attacchi adversariali.

Nuovi metodi migliorano l'efficienza dell'attribuzione dei dati di addestramento nei modelli di intelligenza artificiale.

SynCx migliora la scoperta degli oggetti usando pesi a valori complessi e processi iterativi.

Usare l'apprendimento automatico per prevedere i rischi di scorrimento laterale dovuti ai terremoti.

FedHPL migliora l'efficienza dell'apprendimento federato mantenendo la privacy dei dati su tutti i dispositivi.

Migliorare la qualità della generazione di testo scegliendo esempi più puliti.

Un nuovo metodo permette il trasferimento dei moduli LoRA con dati sintetici, riducendo al minimo la dipendenza dai dati originali.

Un nuovo metodo per analizzare le reti temporali e la loro incertezza.

WeiPer migliora il rilevamento di dati fuori distribuzione nei modelli di machine learning usando aggiustamenti dei pesi.

DSAM offre una nuova prospettiva sulla connettività cerebrale usando tecniche avanzate di deep learning.

Questo articolo esamina come il Machine Learning stimi gli effetti del trattamento negli studi sul comportamento delle formiche.

Esaminando il passaggio dalle classi di concetti generali alle classi estremali nell'analisi dei dati.

Un metodo per trovare strategie negli MDP senza conoscenze pregresse.

Una nuova tecnica di potatura dei layer migliora l'efficienza e la precisione dei modelli.

Una nuova funzione di perdita migliora i dati tabulari sintetici usando i GAN per la ricerca medica.

Un nuovo metodo migliora l'ottimizzazione del design in campi complessi.

Uno sguardo a come gli esempi avversari sfidano i modelli di intelligenza artificiale.

Includere dati non in inglese migliora le prestazioni dei modelli visione-linguaggio e la comprensione culturale.

Il modello CATS sfida gli approcci tradizionali nelle previsioni delle serie temporali usando l'attenzione incrociata.

Un nuovo approccio migliora gli embedding dei grafi concentrandosi sulla gestione delle dimensioni.

TGDP migliora la generazione di dati in scenari con pochi esempi di addestramento.

Un nuovo metodo per l'ottimizzazione del portafoglio che si concentra su efficienza e gestione del rischio.

Questo articolo parla di come GRSNN migliora i compiti di ragionamento grafico usando il ritardo sinaptico.

Scopri come gli iperparametri influenzano l'addestramento nelle reti neurali ampie.

Esaminando l'efficacia e il costo di modelli AI più piccoli rispetto a quelli più grandi.

AHAC migliora il processo decisionale nella robotica adattandosi alle dinamiche ambientali.

Come migliorare i bias nelle raccomandazioni usando le interazioni degli utenti.

Un nuovo metodo per interpretare le attivazioni neurali migliora la sicurezza e il controllo dell'IA.

Introdurre un nuovo metodo per migliorare i modelli di stato nei sistemi dinamici.

I modelli di stato offrono un'elaborazione efficiente nei compiti di linguaggio naturale, mettendo in discussione i tradizionali trasformatori.

Un'analisi del comportamento di SGD nel machine learning con approfondimenti su autovalori e stabilità dell'allenamento.

Nuovi metodi puntano a migliorare il machine learning con compiti e interazioni diverse.