Informatica - Apprendimento automatico

Nuove tecniche di deep learning migliorano il monitoraggio della salute strutturale e la rilevazione precoce dei danni.

Un nuovo metodo che unisce le notizie con le previsioni dei prezzi delle azioni.

Un nuovo metodo per migliorare il campionamento nel machine learning con una privacy potenziata.

Un nuovo metodo migliora l'accuratezza degli intervalli di previsione per decisioni affidabili.

Un approccio nuovo mostra come le reti cerebrali rispondono durante i compiti.

Un nuovo metodo migliora la chiarezza delle immagini nell'imaging biomedico attraverso un affinamento iterativo.

MSfusion consente a dispositivi con risorse limitate di allenare modelli grandi in modo collaborativo.

Esaminando metodi per analizzare i getti da collisioni di particelle ad alta energia.

Una panoramica delle complessità nella etichettatura dei documenti legali e delle loro implicazioni.

ISQuant offre un nuovo approccio alla quantizzazione per un'implementazione efficiente dei modelli.

Scopri come il weighting di importanza migliora le performance del modello in caso di cambiamenti nei covariati.

Nuovo metodo migliora le prestazioni del modello su dati mai visti.

Un nuovo approccio alla formazione migliora la sicurezza e l'adattabilità dei robot nelle loro attività.

Scopri come la quantizzazione dinamica adattiva migliora i modelli VQ-VAE per una migliore rappresentazione dei dati.

Esplora i vantaggi e le applicazioni dell'Adattamento a Basso Ranghi nei modelli di IA.

Questo studio esplora come i trasformatori apprendono dai processi di Markov attraverso l'inizializzazione e il flusso del gradiente.

Creare sistemi che promuovono la sincerità tra gli utenti in varie interazioni digitali.

Esaminando le interazioni tra agenti in ambienti decisionali.

Questo studio migliora il transfer learning ottimizzando i tassi di apprendimento per ogni strato.

HEML migliora la classificazione delle immagini concentrandosi su segmenti importanti per spiegazioni migliori.

Scopri metodi efficaci per individuare le migliori opzioni nei scenari decisionali.

Un nuovo approccio che combina l'apprendimento per rinforzo e l'ottimizzazione bayesiana per prendere decisioni migliori.

Questo metodo migliora l'addestramento degli agenti usando meno dati di esperti attraverso l'esplorazione e le firme di percorso.

L'effetto Rashomon svela diversi modelli efficaci nel machine learning.

ARMT migliora la memoria e l'elaborazione delle sequenze lunghe dell'AI.

Un nuovo modo per analizzare le reti di dislocazione sotto condizioni di stress.

Un nuovo metodo per la deblurratura delle immagini migliora la qualità senza bisogno di grandi set di dati.

Un nuovo approccio per migliorare il processo decisionale nell'apprendimento per rinforzo.

Esplorare algoritmi di copertura submodulare equi per decisioni eque nell'apprendimento automatico.

Valutare la quantizzazione e il pruning per ottimizzare i modelli DRL per risorse limitate.

Esplorare come le reti neurali usano efficacemente i pesi che hanno imparato.

Questo studio analizza i metodi di watermarking per testi generati da macchine e la loro efficacia contro gli attacchi di rimozione.

Un nuovo metodo migliora le prestazioni dei modelli linguistici su problemi complessi.

Uno sguardo all'uso di misurazioni ridotte per un miglior recupero del segnale.

XQSV punta a replicare il gameplay simile a quello umano negli scacchi cinesi.

NeuralSCF combina il machine learning con la DFT per un'analisi della struttura elettronica più efficiente.

Questo articolo descrive un nuovo approccio che utilizza il Test-Time Training per migliorare le prestazioni delle RNN.

Un metodo per migliorare l'efficienza dei modelli nel machine learning tramite strategie di potatura efficaci.

Scopri come i modelli di linguaggio grandi possono ottimizzare reti satellitari, aeree e terrestri.

Un metodo per migliorare il rilevamento di deepfake audio attraverso l'aumento dei dati.