Articoli più recenti per Apprendimento Automatico

AFIND+ migliora l'apprendimento federato decentralizzato ottimizzando la selezione dei vicini e l'aggregazione degli aggiornamenti.

Un nuovo framework migliora il modeling predittivo integrando dati da sensori e simulazioni.

I modelli di diffusione mascherata mostrano potenziale nella modellazione generativa per testi e immagini.

Un nuovo approccio per migliorare l'affidabilità delle previsioni nel machine learning.

Un nuovo metodo migliora la ricerca di espressioni matematiche dai dati.

Esplorando come le reti di Hopfield imitano la memorizzazione e il recupero dei ricordi nel cervello.

Introducendo un nuovo metodo per le reti neurali bayesiane che migliora la modellazione dell'incertezza.

Esplorando il potenziale dei KAHM nel federated learning per migliorare la privacy e l'efficienza.

Un nuovo approccio alla classificazione delle forme usando tecniche basate sui grafi.

Un nuovo metodo migliora il tracciamento degli oggetti gestendo la memoria in modo efficiente.

Esaminare come l'invarianza influisce sulle prestazioni del modello nel transfer learning.

Questo metodo migliora la selezione dei dati nell'ottimizzazione bayesiana, aumentando l'efficienza e i risultati.

Grad-CAPS migliora la fluidità dell'azione nell'apprendimento per rinforzo per robotica e sistemi autonomi.

Un nuovo metodo basato su grafi migliora l'accuratezza e l'efficienza del tracciamento multiogetto.

Esamina vari attacchi di jailbreak sui modelli di linguaggio e le loro difese.

Nuove tecniche migliorano la velocità di addestramento per i modelli di raccomandazione nel deep learning.

Il framework T-Hop sfrutta le informazioni sui percorsi per fare previsioni migliori nella scoperta di farmaci.

Esaminando il ruolo delle tecniche di dropout nel migliorare l'equità nei DNN.

Un nuovo approccio migliora l'accuratezza delle valutazioni dei modelli di linguaggio.

Uno strumento auto-supervisionato per stimare le tonalità musicali, riducendo le annotazioni degli esperti.

Scopri metodi per identificare e rappresentare forme nelle immagini.

Le macchine migliorano nel rispondere a domande sulle immagini grazie a un allenamento strutturato.

Nuovo approccio migliora l'efficienza del completamento del Knowledge Graph nonostante le sfide dei dati.

Quest'articolo esplora l'iperparametrizzazione e il suo impatto sull'efficienza dell'addestramento dei modelli.

Questo studio valuta le tecniche di analisi di sopravvivenza usando semplici dataset con dati mancanti.

Un nuovo metodo migliora l'accuratezza del tracciamento 3D usando dati di nuvole di punti.

GNNOpt semplifica la previsione delle proprietà ottiche a partire dalle strutture cristalline, migliorando la scoperta dei materiali.

Esaminare le vulnerabilità nei modelli di linguaggio clinico e il loro impatto sulla sicurezza dei pazienti.

Questo documento esplora modi per valutare meglio la calibrazione del modello e l'accuratezza predittiva.

FlowLearn migliora la comprensione dei diagrammi di flusso per modelli avanzati con diagrammi scientifici e simulati.

Esplorare le minacce ai sistemi DRL nella gestione energetica ciber-fisica.

Un nuovo approccio migliora il Federated Learning generando dati sintetici e proteggendo la privacy.

Questo articolo esamina come le macchine possono identificare le emozioni nei tweet.

Diff-MST migliora il mixing musicale applicando il trasferimento di stile da brani di riferimento.

Scopri come i sottospazi casuali migliorano la generalizzazione dei modelli nel machine learning.

Questo studio esamina come la disposizione della rete influisce sull'apprendimento federato decentralizzato in mezzo a minacce bizantine.

Un nuovo metodo migliora l'efficienza nel processamento di immagini e video.

Un nuovo metodo migliora le raccomandazioni per utenti e oggetti nonostante le sfide dei dati.

Un nuovo framework punta a migliorare l'accuratezza nelle valutazioni di sicurezza dei sistemi energetici.

Esplorando fKAN e il loro impatto sulle prestazioni del machine learning.