Statistica - Apprendimento automatico

Nuovi metodi per stimare processi di eventi casuali da dati limitati.

Indagare le complessità del campionamento posteriore nei modelli di diffusione per l'elaborazione delle immagini.

Una nuova prospettiva sui test dei trattamenti medici punta a risultati più chiari.

Scopri nuovi metodi per stimare gli effetti dei trattamenti nella ricerca.

Analizzando le cause delle differenze nelle prestazioni delle applicazioni di machine learning in vari contesti.

Le reti neurali probabili offrono intuizioni più profonde sull'incertezza nella modellazione scientifica.

Uno sguardo al comportamento peculiare delle Reti Neurali Profonde durante l'addestramento.

Uno strumento flessibile progettato per situazioni di etichettatura dati diverse.

Un nuovo metodo per stimare con precisione la dimensione della popolazione con dati limitati.

Un metodo a due fasi migliora le prestazioni del modello su diversi gruppi di dati.

Questo articolo esamina le complessità e i limiti dei metodi di regressione lineare sparsa.

Questo studio esplora le basi teoriche dei modelli di diffusione a tempo discreto nel machine learning.

Un framework per usare l'IA per migliorare i processi decisionali.

Un nuovo metodo per valutare i modelli di linguaggio grandi usando meno esempi.

Questo studio esamina come l'ERM può funzionare in modo efficace con schemi di dati fluidi.

Uno sguardo a come i Blocchi di Trasformatori Lineari migliorano i modelli linguistici attraverso l'apprendimento in contesto.

Indagare le sfide della regressione lineare sparsa attraverso problemi di reticolo.

Quest'articolo spiega i metodi di clustering per analizzare i dati longitudinali in modo efficace.

Nuovi metodi migliorano il processo decisionale permettendo agli studenti di astenersi dall'azione.

Un nuovo metodo migliora l'efficienza e l'accuratezza dell'inferenza variazionale.

Presentiamo un algoritmo per prendere decisioni migliori con ricompense incerte in scenari complessi.

GROS combina più stimatori per migliorare l'accuratezza nell'analisi dei dati.

MIM-Reasoner ottimizza la diffusione delle informazioni su più piattaforme social.

Un approccio innovativo alla presa di decisioni usando campioni minimi.

Un nuovo metodo migliora la qualità delle immagini colpite dal rumore di granello usando il machine learning.

Un nuovo metodo migliora l'apprendimento causale nonostante i dati mancanti e le relazioni cicliche.

Questo studio esplora come il fine-tuning LoRA influisca sul raggruppamento dei token nei modelli Transformer.

Nuovi metodi migliorano il campionamento da distribuzioni complesse usando le equazioni HJB e il Tensor Train.

Presentiamo un metodo per migliorare il test di significato nell'analisi di regressione.

Un nuovo metodo per migliorare i modelli di diffusione mantenendo la diversità nei risultati generati.

Questo studio migliora il processo decisionale aggiungendo l'opzione di astenersi nei problemi del bandito multi-braccio.

Un nuovo metodo migliora l'accuratezza della modellazione surrogata utilizzando principi fisici.

Esplorando l'incrocio tra teoria delle categorie e framework di deep learning.

Un metodo che usa espressioni di Fourier per analizzare in modo efficace le reti neurali moderne.

Nuovi metodi migliorano la sicurezza nell'apprendimento per rinforzo mentre ottimizzano le prestazioni in ambienti vincolati.

Uno sguardo a come i modelli potenziati dal gradiente migliorano l'accuratezza predittiva.

Metodi per ridurre le dimensioni mantenendo le strutture dei dati.

DAGnosis migliora l'affidabilità dei dati identificando efficacemente le incongruenze.

Un metodo per approssimare i compromessi tra equità e accuratezza per i modelli di machine learning.

Un nuovo metodo migliora il processo decisionale nell'ottimizzazione bayesiana, concentrandosi sulla qualità delle soluzioni.