Statistica - Apprendimento automatico

Un metodo per stimare gli effetti del trattamento quando manca informazioni chiave.

Introducendo un metodo per la stima della densità usando la quasi-interpolazione di Hermite con B-spline nel clustering.

Questa ricerca esamina il bilanciamento spettrale per migliorare l'equità nei modelli di classificazione dell'apprendimento automatico.

Uno sguardo a PAC-Bayes e al suo impatto sulle prestazioni del modello.

LoRA+ migliora le prestazioni del modello grazie a tassi di apprendimento personalizzati nel deep learning.

Un nuovo framework bayesiano migliora la qualità delle immagini e stima l'incertezza.

Un nuovo approccio ai banditi lineari affronta il rumore nei feedback per prendere decisioni migliori.

Migliorare l'efficienza del modello con nuove tecniche di apprendimento attivo per dati incompleti.

Un nuovo metodo migliora l'accuratezza delle probabilità nei modelli linguistici senza dati aggiuntivi.

Migliorare la robustezza contro attacchi avversari nei modelli visione-linguaggio.

Ehi, vi presento DOPE: un metodo super per migliorare la stima degli effetti del trattamento usando dati osservazionali.

Scopri come l'HistoGram Loss migliora le previsioni di regressione modellando l'incertezza.

Nuovi set di dati migliorano le previsioni e la comprensione delle proprietà dei nanomateriali usando l'apprendimento automatico basato su grafi.

Introducing DUETS: un metodo per ottimizzare il processo decisionale distribuito con comunicazione minima.

Scopri come il feedback parziale può semplificare la stima dei modelli in grandi set di dati.

Scopri come SGD con Clipping migliora la stima del gradiente in ambienti di dati rumorosi.

Nuovo framework migliora la previsione delle intenzioni dei pedoni per le auto a guida autonoma.

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.