Informatica - Apprendimento automatico

Le Reti Kolmogorov-Arnold offrono soluzioni innovative per l'analisi dei dati e l'apprendimento.

DeepHGNN migliora l'accuratezza delle previsioni gerarchiche usando le reti neurali a grafo.

Un nuovo modello migliora le previsioni energetiche, riducendo i costi nei mercati dell'elettricità.

Esaminando i pregiudizi nei modelli linguistici attraverso vari fattori demografici.

Un nuovo metodo migliora la comprensione degli output degli autoencoder nella dinamica dei fluidi.

Il metodo AI migliora le previsioni della dose di radioterapia stimando l'incertezza.

Esaminando come le etichette in distribuzione influenzano il rilevamento fuori distribuzione nel machine learning.

Questo studio migliora la sicurezza del machine learning quantistico contro attacchi avversari tramite canali di rumore e metodi di privacy.

Un nuovo metodo per migliorare l'efficienza dell'algoritmo Push-Relabel usando il flusso previsto.

Un nuovo metodo per migliorare i modelli predittivi usando dati incerti.

Uno sguardo al ragionamento formale nei transformer solo encoder e le sue implicazioni.

Un sistema innovativo combina notizie e valutazioni cognitive per gli anziani.

Un nuovo approccio aumenta la diversità dei prompt per modelli di linguaggio più sicuri.

Esplorare come i transformer affrontano in modo efficace vari compiti di ragionamento sui grafi.

I VLM faticano con la classificazione delle immagini, ma una migliore integrazione dei dati può migliorare le loro capacità.

Esplorando il ruolo del gradiente discendente nell'ottimizzazione stocastica e le sue implicazioni sulla dimensione del campione.

Un nuovo modello semplifica la creazione di immagini e video con l'AI, con una velocità e qualità migliorate.

Esplorare metodi di allenamento efficienti per grandi modelli di machine learning.

Una sfida mira a migliorare la delineazione dei tumori sulle scansioni cerebrali per una pianificazione del trattamento migliore.

Esplorando nuovi metodi per progettare cornici nel machine learning.

Tecniche per migliorare l'efficacia dei modelli linguistici in diverse lingue.

Un nuovo metodo migliora l'accuratezza dei modelli nella scienza dei materiali grazie all'integrazione dell'IA.

Un metodo per ridurre le dimensioni dei grandi modelli linguistici mantenendo le loro prestazioni.

Esplorando come le relazioni tra i concetti possano migliorare la trasparenza dei sistemi AI.

Un nuovo framework migliora la pianificazione dei viaggi per i modelli di linguaggio grandi.

Un nuovo approccio aiuta i robot a collegare i dati visivi con le azioni.

AnyFit offre prove virtuali realistiche con le sue funzionalità e tecnologie innovative.

I TSRM offrono un modo nuovo per analizzare i dati delle serie temporali in modo efficace.

La BraTS Challenge spinge i confini nella segmentazione automatizzata dei meningiomi usando il deep learning.

Un nuovo standard per valutare l'equità nei metodi di apprendimento per rappresentazione.

Esaminando i pericoli dei modelli linguistici quantizzati e il loro potenziale uso improprio.

Capire e mitigare le allucinazioni nell'AI per performance affidabili.

Presentiamo MAGE: un approccio innovativo per spiegare le Graph Neural Networks in chimica.

Analizzando come LoRA influisce sulla-retention delle conoscenze nei modelli pre-addestrati durante l'apprendimento continuo.

Fattori chiave che influenzano le emissioni di CO2 nei paesi sviluppati negli ultimi 25 anni.

Scopri nuove tecniche per migliorare l'efficienza nell'addestramento delle reti neurali profonde.

Fast-FedUL offre metodi rapidi per rimuovere i dati nell'apprendimento federato, garantendo al contempo la privacy.

Nuovo framework migliora le previsioni analizzando serie di dati interconnesse.

Uno sguardo al collasso neurale e al suo impatto sui modelli di deep learning.

Un nuovo approccio utilizza reti neurali convoluzionali grafiche per un'analisi efficiente dei dati musicali.