Informatica - Apprendimento automatico

Uno sguardo alla divergenza Kullback-Leibler con kernel e alle sue applicazioni pratiche.

Un nuovo metodo migliora il testing dei DNN combinando la selezione delle caratteristiche con la prioritizzazione basata sull'incertezza.

Un nuovo framework migliora l'apprendimento da dati strutturati e rumorosi usando principi di diffusione.

Nuovo metodo migliora il rilevamento dei difetti di prodotto nella produzione usando il deep learning.

Le cellule ameboidi usano i pseudopodi per prendere decisioni di movimento basate su segnali chimici.

Un nuovo approccio migliora la velocità e l'accuratezza delle previsioni in vari settori.

Esplorando tecniche di deep learning per l'analisi di dati di serie temporali continui.

Nuovo metodo migliora il clustering per grandi dataset usando la Quantizzazione Stocastica.

Presentiamo S-STE, un nuovo metodo per migliorare l'efficienza dell'allenamento delle reti neurali sparse.

Scopri come il PQC rinforza l'apprendimento federato contro le minacce quantistiche.

Una nuova tecnica offre letture della pressione sanguigna migliorate usando dati PPG.

Nuovo modello migliora il riconoscimento del parlante in tempo reale e l'efficienza nella comunicazione.

Approccio innovativo usa il deep learning per scoprire le caratteristiche dei pianeti non transitanti.

Un nuovo approccio migliora l'accuratezza nelle previsioni dei brillamenti solari.

Un nuovo metodo offre soluzioni efficienti per le equazioni integrali usando reti neurali.

SGFormer semplifica l'apprendimento dei grafi per efficienza e scalabilità.

Una panoramica sui metodi di kernel quantistici e il loro impatto sul machine learning.

Nuovo metodo migliora l'efficienza del campionamento usando funzioni energetiche.

Esaminando i fattori che influenzano la fiducia nei veicoli autonomi tra i giovani adulti.

Scopri come i FastVPINNs migliorano la modellazione della dinamica dei fluidi usando le reti neurali.

Nuovi metodi uniscono reti neurali e tecniche degli elementi finiti per migliorare le simulazioni del flusso dei fluidi.

Esaminando il ruolo della causalità di ordine superiore nella comprensione dei sistemi complessi.

Un nuovo metodo migliora la selezione dei nodi per l'adattamento ai grafi.

Un nuovo metodo per controllare i pendoli doppi mostra miglioramenti significativi in stabilità e adattabilità.

XSub sfrutta l'AI spiegabile per migliorare gli attacchi avversari, sollevando preoccupazioni per la sicurezza.

Un nuovo metodo migliora la creazione di report ECG e le risposte alle domande usando il machine learning.

Un nuovo modello migliora le previsioni affrontando l'incertezza nei dati.

Uno sguardo ai microbiomi e alla loro importanza per la salute attraverso la metagenomica.

Uno studio sull'efficacia dei Modelli Fondamentali nell'analisi dei dati satellitari.

Esplora il campionamento adattivo per migliorare le prestazioni delle reti neurali con dati simmetrici.

MCLRec migliora l'accuratezza dei suggerimenti riconoscendo i vari interessi degli utenti.

Un nuovo approccio al segnale elaborazione usando dizionari ortogonali strutturati.

Un nuovo modello migliora l'interpretazione delle caratteristiche geologiche nei dati sismici.

Esplorando il ruolo del calcolo quantistico nel migliorare il rilevamento delle anomalie nei sistemi ciber-fisici.

Nuovi metodi usano singole istantanee per un'analisi efficace della turbolenza.

Un nuovo framework migliora le rappresentazioni degli atomi, potenziando le previsioni nella scienza dei materiali.

Analizzando come le aziende riportano i rischi informatici e i loro effetti sulle performance finanziarie.

AAGCN migliora come i GNN imparano da strutture dati complesse.

Esplorando metodi per gestire il rumore nelle etichette nei Gradient Boosted Decision Trees.

Un nuovo metodo aiuta nella selezione degli algoritmi per la classificazione delle serie temporali, mantenendo la privacy dei dati.