Informatica - Apprendimento automatico

Scopri come il triclustering aiuta a scoprire schemi nei dati tensoriali complessi.

Ind-KNN migliora le previsioni private proteggendo la privacy individuale nelle applicazioni basate sui dati.

Presentiamo un metodo efficace per trasferire la conoscenza del machine learning tra ambienti.

Un nuovo metodo ibrido migliora la stima dell'informazione mutua combinando tecniche generative e discriminatorie.

Questo articolo parla di nuovi metodi per un training consapevole della quantizzazione efficiente.

Un metodo innovativo per estrarre in modo efficiente dati geometrici dalle reti neurali CPWA.

Un nuovo approccio che usa l'augmentazione dei dati su base istanza per migliorare la robustezza dei modelli contro attacchi avversari.

Nuovo metodo migliora la ricerca di soluzioni per problemi complessi usando dati passati.

Uno sguardo al pre-addestramento mascherato e al suo legame con le prestazioni del modello.

Questo articolo parla di un nuovo approccio per classificare i neuroni usando il deep learning.

Nuovi metodi migliorano l'efficienza e la velocità dell'apprendimento semi-supervisionato basato su grafi.

Uno sguardo a come la coerenza migliora la generazione di immagini nei modelli di diffusione.

L'ottimizzazione bayesiana offre nuove soluzioni per una gestione efficiente delle acque piovane nelle aree urbane.

I ricercatori scoprono che modelli più semplici possono competere con reti più profonde in termini di prestazioni.

Uno sguardo all'efficacia delle difese certificate rispetto all'addestramento avversariale nel machine learning.

Scopri il clustering e quanto è importante per analizzare i dati in modo efficace.

Confronto tra NF4 e AF4 per ottimizzare la quantizzazione nei modelli di machine learning.

Questo articolo parla dell'importanza della rilevazione delle comunità nell'analisi delle reti.

Le Politiche Dinamiche Neurali Autonome migliorano l'apprendimento dei robot tramite imitazione e adattabilità.

Un nuovo framework migliora la rappresentazione dei grafi usando l'apprendimento auto-supervisionato.

Uno sguardo ai potenziali pericoli dell'AI e come gestirli.

Utilizzare i modelli linguistici grandi per ottimizzare le DNN per dispositivi piccoli.

Un nuovo modello cerca di chiarire il funzionamento interno delle reti neurali profonde.

Un nuovo metodo migliora i modelli di machine learning per gestire classi sconosciute durante il test.

Scopri come le reti neurali analizzano i dati strutturati come grafi.

Esplora come le informazioni si diffondono attraverso grafi aciclici diretti e il ruolo del voto di maggioranza.

Un nuovo sistema aiuta gli utenti a scegliere i caratteri in base all'intento creativo.

Lo studio valuta come gli algoritmi aiutano a identificare le aree che non rendono nei modelli di machine learning.

Uno sguardo ai pregiudizi nell'NLP e al loro impatto sulla società.

Migliorare i sistemi di raccomandazione video usando gli ID semantici.

Esaminando gli ostacoli e il potenziale di AutoML nel contesto dei Grandi Modelli Linguistici.

Introducendo una metrica affidabile per valutare i modelli generativi tra rumore e sfide dei dati.

Un nuovo framework per generare grafi usando rappresentazioni discrete e modelli transformer.

Questo articolo esamina l'efficacia dell'allineamento dei feedback nell'addestramento delle reti neurali.

Gode unisce grafi molecolari con grafi di conoscenza per previsioni di proprietà migliori.

Analizzando i rischi del data poisoning nei sistemi MARL.

Sophia accelera l'addestramento dei modelli linguistici riducendo costi e risorse necessarie.

La ricerca si concentra sul miglioramento delle capacità di ragionamento dell'IA attraverso metodi ispirati agli esseri umani.

Uno sguardo a come la fattorizzazione di matrici raggruppate protegge la privacy nel machine learning.

Esplorare strategie per gestire la variabilità delle energie rinnovabili e l'integrazione nel mercato.