Articoli più recenti per Apprendimento Automatico

La ricerca si concentra sull'identificazione di patch avversarie per migliorare la sicurezza del sistema.

Uno sguardo a come la previsione conforme migliora l'accuratezza delle previsioni nella ricerca su sondaggi.

La ricerca mostra che la super-risoluzione può migliorare significativamente l'accuratezza del tracciamento dello sguardo.

Esplorando l'impatto di AdaSAM sull'efficienza e sulle prestazioni dell'addestramento dei modelli di machine learning.

Nuovi strumenti migliorano l'accuratezza nel rispondere a domande usando dati tabellari.

Un nuovo metodo migliora le previsioni utilizzando in modo efficace i dati grafici non etichettati.

Un nuovo metodo migliora la segmentazione video tramite apprendimento autosupervisionato senza etichettatura manuale.

La ricerca rivela un metodo per migliorare l'efficacia degli esempi avversariali nel prendere in giro i modelli di machine learning.

Questo articolo esplora l'uso dell'apprendimento attivo per migliorare la segmentazione dei tessuti nella diagnosi del cancro alla vescica.

NeuroDM unisce la scienza del cervello e il data mining per ottenere migliori intuizioni e risultati.

Esplora come le spiegazioni controfattuali migliorano la chiarezza e la fiducia nelle decisioni dell'AI.

LEAPS visualizza le caratteristiche video del deep learning per un'interpretazione più chiara.

Un nuovo metodo affronta le sfide nell'analisi delle immagini mediche usando l'apprendimento semi-supervisionato.

Migliorare i sistemi di dialogo attraverso la generazione di dati di addestramento diversi.

Un nuovo metodo migliora la comprensione dei video separando l'analisi spaziale da quella temporale.

Un nuovo approccio migliora le prestazioni della segmentazione semantica usando tecniche di ricostruzione delle immagini.

Questo studio migliora il riconoscimento delle espressioni facciali attraverso diverse tecniche di apprendimento.

Un nuovo metodo migliora la ricostruzione 3D da immagini 2D usando una funzione di perdita topologica.

GDL aiuta gli ingegneri a risolvere problemi di design in modo efficiente usando strutture grafiche.

Uno sguardo a come i dati influenzano la capacità dei modelli di machine learning di resistere agli attacchi avversari.

Nuovi metodi migliorano il riconoscimento delle emozioni nei video usando l'Adattamento al Tempo di Test.

Uno sguardo a due tipi di richiamo nei sistemi di comprensione del linguaggio.

Un nuovo metodo migliora la chiarezza nel processo decisionale delle CNN senza bisogno di dati etichettati.

L'apprendimento quantistico adiabatico migliora l'efficienza del machine learning usando misurazioni deboli.

Esplora gli sviluppi recenti negli strumenti automatici per risolvere i bug del software.

Un nuovo metodo migliora la capacità dell'IA di prendere decisioni basate sulle caratteristiche degli oggetti.

Un nuovo metodo migliora l'addestramento dei modelli linguistici risparmiando risorse.

Uno sguardo a come il ML, il DA e l'UQ migliorano le previsioni in vari settori.

Nuovi metodi migliorano l'adattabilità dei modelli per ambienti dinamici usando più fonti di dati.

I nuovi modelli semplificano la compressione dei dati mantenendo la qualità.

Un nuovo metodo migliora l'efficienza e la precisione dell'apprendimento delle reti neurali profonde.

CART migliora il machine learning per il riconoscimento video adattabile in ambienti che cambiano.

Presentiamo un nuovo approccio per adattare i modelli video con pochi dati etichettati.

I contadini migliorano la gestione delle mucche attraverso un'efficace rilevazione del numero delle stalle.

Questo articolo esplora il complesso di Delaunay-Rips per analizzare dati complessi nel machine learning.

Nuovo metodo riduce i pregiudizi nei VLM per risultati più equi.

La ricerca sugli autoencoder quantistici migliora la gestione degli stati entangled rumorosi.

Scoprire metodi per migliorare il rilevamento dell'odio usando esempi scritti da persone.

Nuovi metodi migliorano l'efficienza nella progettazione delle proteine grazie al machine learning.

Un nuovo approccio al deep learning usando pesi fissi per efficienza.