Informatica - Apprendimento automatico

Valutare modelli di IA che simulano le risposte degli insegnanti per un migliore coinvolgimento degli studenti.

Esplorare come gli esponenti di Lyapunov a tempo finito rivelino la sensibilità delle reti ai cambiamenti di input.

Quest'articolo esamina come si comportano gli agenti di apprendimento per rinforzo durante le fasi di allenamento.

Questo metodo offre un modo efficace per addestrare le reti senza la correzione degli errori tradizionale.

Analizzando l'efficienza di memoria e query negli algoritmi di ottimizzazione convessa randomizzati.

Usare le immagini satellitari pre-disastro aiuta a vedere meglio gli effetti dei disastri.

Scopri come la classificazione dei grafici aiuta ad automatizzare la comprensione dei dati.

L'algoritmo ICE migliora le performance nella classificazione lineare per settori critici.

Esaminando come l'ordine dei dati influisce sulla giustizia nei modelli di machine learning.

Nuovo framework bilancia efficienza del deep learning e emissioni di carbonio.

Un nuovo approccio migliora le previsioni nei sistemi complessi usando dati irregolari e incompleti.

Uno sguardo alle sfide dell'apprendimento degli alberi decisionali, soprattutto con le query.

Nuovi approcci migliorano le previsioni del comportamento dei fluidi attorno a corpi in movimento.

Un nuovo sistema di teleoperazione migliora il controllo remoto dei robot in diversi contesti.

Le Reti Neurali Auto-Expandibili si adattano ai compiti in modo efficiente grazie a modifiche dinamiche.

Un nuovo metodo per migliorare l'equità nei modelli di apprendimento federato mantenendo la privacy.

Scopri il Dynamic Sparse Training e i vantaggi per l'efficienza delle reti neurali.

Esplora come la preparazione dei dati influisca sui modelli di intelligenza artificiale nella rilevazione di malware.

Un framework per migliorare le previsioni usando l'astensione contro i dati fuorvianti.

Lo studio esamina come i modelli di immagini gestiscono varie trasformazioni.

Un nuovo metodo riduce lo sforzo di etichettatura nella classificazione dei video usando tecniche di apprendimento attivo.

DBFed mira a ridurre il bias nell'IA mantenendo la privacy dei dati.

Esplorando metodi per migliorare le raccomandazioni con grafi di conoscenza e machine learning.

Esplorando tecniche di apprendimento per rinforzo per sistemi AI più sicuri.

I metodi guidati dalla curiosità migliorano le strategie di esplorazione nell'intelligenza artificiale.

CTFN migliora l'accuratezza del rilevamento dei bordi usando caratteristiche a più scale e funzioni di perdita dinamiche.

SimpleMTOD migliora le conversazioni unendo comprensione linguistica e visiva.

Un nuovo metodo migliora l'affidabilità delle immagini mediche sintetiche usando le valutazioni dei patologi.

Esaminare i trasformatori pre-addestrati per l'apprendimento multitasking e l'efficienza della comunicazione in contesti federati.

Fed-CPrompt migliora l'apprendimento continuo federato mantenendo la privacy degli utenti.

Un nuovo metodo affronta le etichette biasate nella sanità e oltre.

LendingClub può sfruttare i dati per migliorare le decisioni e aumentare i profitti.

Un nuovo sistema aiuta i robot a imparare a riorganizzare gli oggetti per esempio.

I robot comunicano meglio per collaborare su compiti complessi usando modelli di linguaggio.

I minatori aumentano i guadagni grazie a collegamenti strategici e minore latenza.

Un nuovo framework per migliorare i modelli di deep learning per i dati delle serie temporali.

Questo documento parla di molteplicità predittiva e propone algoritmi di insieme per previsioni più eque.

Uno studio sull'impatto delle camere dell'eco e della polarizzazione nelle discussioni online.

Il MinMax learning offre stabilità ed efficienza nell'addestramento delle reti neurali.

Usare sensori per garantire la sicurezza delle persone anziane che vivono da sole.