Informatica - Apprendimento automatico

AXE migliora le prestazioni del modello riducendo al minimo il sovraccarico nella quantizzazione consapevole degli accumulatori.

Una nuova architettura migliora le previsioni della spesa degli utenti nelle piattaforme di fantasy sports.

Questo studio confronta gli algoritmi DG per affrontare il cambiamento di dominio nell'analisi delle immagini mediche.

Un nuovo metodo migliora i risultati sanitari analizzando dati multimodali incompleti.

La ricerca valuta i collegamenti tra modelli di linguaggio e modelli di parola per migliorare il riconoscimento e la traduzione.

Questo metodo permette ai modelli di linguaggio di prendere in considerazione risultati alternativi nella generazione di testo.

Esaminando i collegamenti tra SFA e SR nell'analisi dei dati.

La ricerca mette in evidenza la necessità di metodi incentrati sull'utente nell'attribuzione dei dati di addestramento.

ASLS consente la personalizzazione in tempo reale dei modelli di linguaggio in base alle interazioni degli utenti.

ABCFair offre un framework flessibile per valutare i metodi di giustizia nell'intelligenza artificiale.

Esplorando mappe invarianti ed equivarianti per migliorare le reti neurali.

Questo articolo parla di come migliorare il rilevamento di anomalie non supervisionato usando metodi di classificazione.

Stanno emergendo nuovi metodi per pianificare missioni per affrontare l'aumento dei detriti spaziali.

Un nuovo modo per unificare le misure di somiglianza per confronti scientifici più chiari.

Lo studio collega le proprietà visive dei grafici GAM al carico cognitivo per una comprensione migliore.

Integrare informazioni demografiche migliora notevolmente l'accuratezza dei modelli urbani.

CausalBench aiuta i ricercatori a studiare le relazioni causa-effetto usando i dati in modo efficace.

Esaminando come i parametri del modello influiscono sulle prestazioni nei compiti a lungo raggio.

Un approccio fresco migliora l'addestramento di gruppi di modelli diversi in modo efficiente senza dati OOD separati.

Approcci innovativi migliorano l'accuratezza dei test statistici con dati incompleti.

Nuovo metodo migliora la capacità dei robot a zampe di muoversi in ambienti complessi usando input visivi.

Un nuovo approccio migliora l'accuratezza della segmentazione delle lesioni da SM nelle scansioni MRI.

Il campionamento locale offre un modo nuovo per gestire i dati complessi in modo efficiente.

Le rate di apprendimento dinamiche e i super level set migliorano la stabilità nell'addestramento delle reti neurali.

Ecco CLIPFit, un metodo per fare il fine-tuning in modo efficiente dei modelli Vision-Language.

Nuovi metodi migliorano l'analisi dei dati ambientali usando rappresentazioni funzionali.

Scopri come la quantizzazione a bassa bit migliora l'efficienza dei grandi modelli linguistici.

L'unlearning nei grafi offre una soluzione per rimuovere dati obsoleti senza dover riaddestrare tutto.

CryptoTrain combina tecniche crittografiche per proteggere i dati sensibili durante l'addestramento del machine learning.

SWE2 migliora il riconoscimento dell'odio sui social media con tecniche avanzate.

Questo articolo esplora metodi per identificare il commercio illegale di fauna selvatica online.

GraphLoRA migliora la trasferibilità delle reti neurali grafiche su grafi diversi.

Un nuovo metodo per migliorare le previsioni delle proprietà molecolari nell'IA usando l'aggiunta di compiti.

Presentiamo un nuovo metodo per migliorare i modelli di deep learning riducendo l'overfitting.

Un metodo per tracciare i cambiamenti climatici dopo le eruzioni vulcaniche rivela percorsi importanti.

Un nuovo metodo migliora l'efficienza nella gestione dei materiali usando il reinforcement learning multi-agente.

Nuovi modelli migliorano la previsione delle proprietà dei materiali attraverso le disposizioni atomiche.

Un nuovo metodo migliora il posizionamento dei sensori per una maggiore precisione dei dati nei sistemi fisici.

Il framework A3 migliora i modelli di machine learning per adattarsi a nuovi ambienti di dati.

Esaminando il ruolo dei classificatori, in particolare i modelli CVFR, nel machine learning.