Informatica - Apprendimento automatico

ABCD migliora l'accuratezza nella rilevazione dei cambiamenti in flussi di dati ad alta dimensione.

Nuove tecniche migliorano il raggruppamento dei soggetti in set di dati complessi.

Algoritmi innovativi migliorano il processo decisionale in ambienti complessi con vincoli.

Combinare deep learning e alberi decisionali per modelli di ricompensa interpretabili.

Un nuovo approccio migliora le prestazioni del modello su classi rare in dataset sbilanciati.

Uno sguardo al ruolo della simmetria nei cristalli e ai suoi usi pratici.

Questo articolo esplora il grokking e i suoi effetti sull'addestramento delle reti neurali.

Un nuovo metodo migliora la stima della rugosità nelle immagini SAR per un'analisi migliore.

Impara a distinguere le vere relazioni dalle variazioni fuorvianti nei dati.

I progressi nella generazione di molecole usando nuovi metodi di calcolo stanno cambiando il modo in cui si scoprono i farmaci.

I progressi nella tecnologia permettono di creare volti umani falsi molto realistici.

Questo articolo parla dell'importanza dell'equità nei sistemi di decisione automatizzati.

Nuovi metodi migliorano l'apprendimento dai dati esistenti nel reinforcement learning offline.

Scopri come i banditi lumpable nel contesto semplificano il processo decisionale per raccomandazioni migliori.

Un nuovo modello migliora l'accuratezza nella progettazione degli anticorpi grazie a previsioni migliori della struttura delle CDR.

Esaminando l'equità nei sistemi AI e il loro impatto sulle decisioni.

Questo documento sottolinea l'importanza delle metriche di valutazione spiegabili nella traduzione automatica.

DOF-ID migliora la rilevazione delle minacce senza compromettere la privacy dei dati.

Ecco PERM, un metodo per migliorare le esperienze di apprendimento sia per i robot che per le persone.

Esaminando l'intersezione tra generazione di immagini AI e rischi di copyright.

Uno sguardo all'apprendimento sicuro con più agenti in ambienti ristretti.

Le tecniche di machine learning migliorano la sintesi dei circuiti quantistici, ottimizzando l'efficienza e le prestazioni.

Un nuovo approccio per il campionamento veloce da distribuzioni complesse usando reti neurali.

Nuovi metodi mirano a ridurre gli outlier nei modelli di trasformatore, migliorando l'efficienza della quantizzazione.

Scopri come l'Apprendimento Contrastivo aiuta nell'analisi dei dati astronomici.

Due metodi migliorano il lavoro di squadra dei robot senza bisogno di informazioni globali.

Un'interfaccia facile da usare per identificare nuove classi nei dati tabulari.

Un nuovo metodo per migliorare l'efficienza e le prestazioni del soft prompt tuning.

Nuovi metodi che usano reti neurali migliorano l'efficienza nei problemi di ottimizzazione complessi.

Affrontare le sfide della trasparenza nei processi decisionali dell'AI.

Un nuovo approccio per migliorare le raccomandazioni agli utenti usando framework ipergrafi.

Un nuovo algoritmo migliora l'apprendimento decentralizzato mentre i dati si evolvono.

Migliorare la qualità delle immagini con strategie innovative di reti neurali.

SEEK migliora previsioni e spiegazioni nei grafi conoscitivi per applicazioni biomediche.

Quest'articolo analizza le vulnerabilità nei modelli di segmentazione semantica e propone soluzioni.

Esplorando come le scelte di allenamento influenzano le prestazioni del modello e la generalizzazione.

La ricerca evidenzia le sfide e le soluzioni per i sistemi di deep learning che devono adattarsi nel tempo.

Una panoramica dei metodi di trasporto ottimale, i loro utilizzi, le sfide e le soluzioni recenti.

Nuovi metodi migliorano l'efficienza nell'addestramento di modelli neurali più piccoli.

Presentiamo un nuovo approccio al ragionamento controfattuale usando dati osservazionali e regressione quantile.