Statistica - Apprendimento automatico

Uno sguardo più da vicino al metodo Galerkin efficiente per le decomposizioni spettrali.

Affrontare la sfida della calibrazione nel deep learning con le tecniche Mixup.

Nuovi metodi migliorano l'efficienza del campionamento per grandi set di dati nel machine learning.

Un nuovo metodo unisce modelli basati sull'energia e flussi di normalizzazione per un campionamento migliore.

Nuovi metodi migliorano il machine learning nonostante il rumore nei dati.

Uno studio svela un metodo per creare esempi avversariali mantenendo il loro significato.

Ecco BOtied per migliorare l'ottimizzazione multi-obiettivo in scenari complessi.

Uno studio degli arrivi attraverso processi puntuali e la loro connessione con processi continui.

Nuovo metodo migliora la velocità e la precisione nell'analisi delle attività neuronali.

Un nuovo modo per migliorare la precisione nella stima delle proporzioni delle miscele.

Un nuovo metodo migliora il rilevamento delle comunità semi-supervisionato concentrandosi sulla somiglianza tra nodi.

Scopri un modo per controllare la generazione delle immagini tramite segnali interni del modello.

Nuovi metodi statistici migliorano la comprensione delle relazioni tra più fattori.

Nuovo approccio migliora la precisione nella rilevazione delle posizioni su diversi argomenti.

Un nuovo metodo ibrido migliora la stima dell'informazione mutua combinando tecniche generative e discriminatorie.

Uno sguardo al pre-addestramento mascherato e al suo legame con le prestazioni del modello.

I ricercatori scoprono che modelli più semplici possono competere con reti più profonde in termini di prestazioni.

Questo articolo parla dell'importanza della rilevazione delle comunità nell'analisi delle reti.

Un nuovo modo per affrontare l'errore di misurazione per risultati di ricerca affidabili.

Esplora come le informazioni si diffondono attraverso grafi aciclici diretti e il ruolo del voto di maggioranza.

Questo studio valuta come GPT-4 gestisce compiti matematici difficili.

Questo articolo esamina l'efficacia dell'allineamento dei feedback nell'addestramento delle reti neurali.

Un nuovo modo di prevedere sistemi dinamici attraverso modelli di diffusione avanzati.

Metodi per valutare i classificatori quando le etichette vere sono assenti.

Un metodo per ridurre il bias nei dataset di addestramento dell'IA per risultati più equi.

Esplora come la conoscenza di base stratificata chiarisca le relazioni causali nella ricerca.

Esplorando strategie per migliorare i modelli di apprendimento automatico contro attacchi di dati dannosi.

Uno studio presenta un nuovo modo per stimare la qualità della traduzione automatica con incertezze.

BabySLM valuta quanto bene le macchine imparano a capire il linguaggio basato sulle parole dei bambini.

Uno sguardo alle complessità dell'AI spiegabile e al ruolo delle variabili soppressorie.

Un nuovo approccio migliora la robustezza dei DEQ contro le interferenze avversarie.

Ricerca sulla robustezza dei modelli profondi contro attacchi in input.

Questo articolo parla di metodi per ottimizzare funzioni lisce e non convessi con rumore.

Un nuovo approccio migliora l'equità e la sicurezza nei sistemi di ML.

I sistemi di intelligenza artificiale devono evolversi per raggiungere un'intelligenza simile a quella umana attraverso l'apprendimento e il ragionamento.

Esplorare nuovi metodi per migliorare le performance dell'apprendimento per rinforzo.

Uno sguardo ai metodi per incorporare la sensibilità al rischio nelle strategie di apprendimento per rinforzo.

Un nuovo metodo migliora il sensing compresso attraverso l'ottimizzazione a numeri interi misti.

Un nuovo approccio al campionamento di Gibbs migliora le prestazioni delle reti neurali.

Esplora nuovi metodi per migliorare il processo decisionale in condizioni di incertezza.