Articoli più recenti per Scienza dei Dati

Esplora l'impatto dei dati fuori distribuzione sulle prestazioni del machine learning.

LayerShuffle migliora la robustezza delle reti neurali permettendo un'esecuzione flessibile dei layer.

RealMLP aumenta l'efficienza del machine learning per l'analisi dei dati tabulari.

Un nuovo framework migliora le prestazioni del modello con dati limitati.

Un nuovo approccio migliora la rilevazione delle comunità in reti sparse e sbilanciate.

Impara a stimare l'entropia mentre gestisci risorse di memoria limitate.

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.

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.

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.

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

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

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.

Questo studio mostra come i metodi ensemble migliorano la qualità delle raccomandazioni nei sistemi di raccomandazione.

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

Uno studio sui metodi per prevedere i casi di dengue usando diverse tecniche statistiche e di machine learning.

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

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

Un nuovo approccio migliora la chiarezza delle domande generate dalle immagini.

Le tecniche di machine learning migliorano le previsioni delle strutture cristalline a partire dai modelli di diffrazione elettronica.

Esaminando i progressi e le difficoltà nella lavorazione delle lingue kazakhe, uzbeke, kirghize e turkmene.

Migliorare la fiducia e la conformità nei modelli linguistici tramite un'adeguata attribuzione delle fonti.

Analizzando come l'ordine dei dati influisce sulla memoria nei modelli di linguaggio ricorrenti.

Un nuovo metodo genera dati sintetici per migliorare la rilevazione di output falsi.

Un nuovo framework migliora la classificazione delle immagini mediche da parte dell'AI affrontando i bias e dimenticando informazioni obsolete.

Introducendo un modello che combina trasformazioni basate su alberi per una generazione di risultati efficace.

Esplorare come il machine learning migliora l'analisi della Radiazione Cosmica di Fondo.

Un nuovo benchmark valuta le capacità di ragionamento temporale dei grandi modelli linguistici.

Presentiamo nuovi risolutori per un trasporto ottimale efficiente nel machine learning.

Un nuovo metodo migliora la segmentazione delle immagini mediche usando l'apprendimento semi-supervisionato.

SBoRA migliora il fine-tuning per i modelli di linguaggio grandi, risparmiando risorse e migliorando le prestazioni.

Esaminando come l'allenamento influisce sulle prestazioni del modello in situazioni avverse.

Un nuovo metodo migliora il riconoscimento delle emozioni anche con dati incompleti.

Nuove tecniche migliorano la stima della posa della testa da singole immagini frontali.

Uno studio su come combinare gli aggiornamenti per i modelli di linguaggio in modo efficace.

Un nuovo modello migliora la generazione di dati tabulari sintetici per diverse applicazioni.