Informatica - Apprendimento automatico

Introducendo un approccio flessibile per far imparare alle macchine più compiti senza dimenticare.

Una buona separazione dei dati aumenta l'accuratezza nella rilevazione del cancro ai polmoni usando il deep learning.

La comunicazione semantica migliora la condivisione delle informazioni concentrandosi sul significato, rendendo tutto più efficiente.

Esplorare campi neurali ibridi per una rappresentazione 3D efficiente delle scene.

GLIDE-RL migliora la capacità dell'IA di seguire le istruzioni in linguaggio naturale attraverso un framework multi-agente.

Una strategia chiara per automatizzare e gestire le smart home con più regole.

Questo studio presenta un nuovo approccio all'ottimizzazione offline usando modelli generativi.

Un nuovo approccio di machine learning migliora l'ottimizzazione del design nell'ingegneria e nella scienza.

Un nuovo metodo migliora la generazione di campioni positivi nell'apprendimento auto-supervisionato.

Un nuovo framework migliora il ragionamento visivo usando modelli di linguaggio come controllori.

Nuovo approccio migliora la capacità dei modelli generativi di creare immagini realistiche.

Questo studio valuta i metodi per identificare le perdite nelle reti di distribuzione dell'acqua.

Un nuovo metodo usa il self-supervised learning per migliorare l'analisi delle transazioni finanziarie.

Un nuovo approccio migliora l'apprendimento adattivo grazie a una previsione strategica più efficace.

Un nuovo algoritmo supporta l'equità a lungo termine nelle decisioni di apprendimento automatico.

I progressi nella microscopia mostrano come le cellule comunicano e si adattano al loro ambiente.

Un nuovo metodo migliora la stima delle dimensioni per dati complessi ad alta dimensione.

Esplorare il ruolo dei modelli di base nel migliorare i risultati sanitari.

Combinare modelli fondamentali e specializzati potenzia le capacità dell'IA in modo efficace.

Questo studio esamina i fattori che influenzano le curve di apprendimento nella Kernel Ridge Regression.

Investigare le vulnerabilità del machine learning nella rilevazione dei Trojan hardware nei circuiti integrati.

Esplorare il ruolo delle reti neurali a valori ipercomplessi nelle applicazioni moderne.

I metodi basati sui dati aiutano a prevedere le tendenze del COVID-19 per prendere decisioni migliori in materia di salute pubblica.

Un nuovo approccio migliora l'apprendimento delle caratteristiche nei variational autoencoders.

Un nuovo approccio fornisce spiegazioni chiare per le classificazioni dei grafi.

t-DGR offre un nuovo approccio all'apprendimento continuo, migliorando la retention delle attività e le performance.

Un nuovo modello integra in modo efficace l'elaborazione delle immagini 2D e 3D.

Un nuovo framework migliora le SNN per una maggiore efficienza e prestazioni.

Un nuovo sistema migliora le prestazioni delle GNN su grandi dataset di grafi.

Esplorare il potenziale dei kernel quantistici per migliorare le tecniche di machine learning.

Combinare dati genetici e di mobilità potrebbe migliorare le previsioni sui disturbi da uso di oppioidi.

Gli esperti condividono idee sui progressi dell'IA, i rischi e le aspettative future.

Le tecniche di deep learning migliorano il monitoraggio e l'ottimizzazione nei sistemi di energia elettrica.

Questo studio mette in evidenza la complessità del campione degli algoritmi Neural Policy Mirror Descent nel deep learning.

Uno studio rivela i rischi di attacchi backdoor nei compiti di previsione delle connessioni nei GNN.

Nuovi metodi mirano al comportamento degli agenti tramite attacchi durante l'addestramento.

Scopri metodi per riprodurre bug nel deep learning per una maggiore affidabilità del software.

Un nuovo framework ottimizza le Reti Neurali Tensoriali per una migliore efficienza e prestazioni.

Combinare modelli 2D e 3D aumenta la precisione nella previsione delle proprietà molecolari.

Metodi avanzati migliorano la precisione e l'efficienza nella gestione dei dati mancanti.