Articoli più recenti per Scienza dei Dati

GdVAE offre spiegazioni chiare per le decisioni del machine learning, aumentando fiducia e responsabilità.

TDC-2 migliora la ricerca nello sviluppo di farmaci grazie a un accesso ai dati migliore e modelli multimodali.

Una panoramica dell'algoritmo BCFW e delle sue tecniche efficienti per risolvere i problemi.

LogicPro migliora il ragionamento logico nell'AI usando problemi di algoritmo ed esempi di codice.

Uno sguardo all'apprendimento e alla manipolazione dei modelli di serie temporali.

Questo articolo esamina il bias di esposizione e i suoi effetti sulle raccomandazioni dei contenuti.

Usare modelli più piccoli per velocizzare l'addestramento di modelli di linguaggio più grandi.

Esplorare nuovi modelli economici per i dati usando i principi della comunicazione quantistica.

Un nuovo approccio unisce i GAN con la fisica per modellare strutture porose.

Esplorando metodi avidi e ottimali per l'addestramento degli alberi decisionali nel machine learning.

Usare immagini PET/CT sintetiche per migliorare la rilevazione dei tumori e le prestazioni del modello.

MEXMA migliora la rappresentazione delle frasi tra le lingue, potenziando gli strumenti di comunicazione multilingue.

Una panoramica delle questioni uniche affrontate dalle lingue a risorse limitate e delle potenziali soluzioni.

Un nuovo metodo migliora la comprensione dei risultati del clustering attraverso spiegazioni controfattuali.

Juhaina è un nuovo modello linguistico per i parlanti arabo e inglese che rispetta i contesti culturali.

Un nuovo dataset punta a migliorare il ragionamento multimodale nei modelli linguistici.

Un nuovo framework migliora il rilevamento delle relazioni tra oggetti nei video, aumentando precisione e adattabilità.

Il framework Learn2Aggregate aumenta l'efficienza nella programmazione lineare intera mista.

Indagare il legame tra il gioco di ruolo e i pregiudizi nei modelli linguistici.

AllMatch utilizza in modo efficiente dati non etichettati per migliorare l'apprendimento 3D.

Un nuovo metodo migliora l'apprendimento dei modelli più piccoli da quelli più grandi usando la similarità nello spazio.

Un approccio nuovo migliora il potatura dei dati per un training del modello migliore.

Un nuovo metodo trasforma i dati tabulari in binari per una generazione efficiente di dati sintetici.

Unire modellazione generativa e regressione quantile per una generazione di dati efficace.

Scopri come i robot si adattano e mantengono le conoscenze grazie all'apprendimento continuo.

Tecniche innovative migliorano l'allenamento dei modelli musica-testo con risorse limitate.

Esaminando il ruolo dell'estrazione delle caratteristiche nel migliorare l'interpretabilità del machine learning.

Nuove tecniche migliorano la previsione precoce di problemi di salute cronici usando i dati dei pazienti.

Questo articolo esamina nuovi approcci per migliorare i LLM utilizzando funzioni di perdita dalla visione artificiale.

I ricercatori sviluppano metodi per un codice di wrangling dei dati automatizzato migliore tramite esempi ricchi di contesto.

Esplora metodi per migliorare le previsioni di coinvolgimento degli utenti tramite l'augmentation dei dati.

I ricercatori hanno sviluppato un modello universale per il recupero efficiente delle immagini in diverse categorie.

Un nuovo approccio migliora la velocità e l'efficienza dell'addestramento delle reti neurali usando il nowcasting.

Nuovi metodi migliorano il tagging audio per stili musicali diversi e la preservazione culturale.

Nuovi metodi migliorano i Grandi Modelli Linguistici grazie a un'elaborazione delle informazioni più efficiente.

FPBoost offre un nuovo approccio all'analisi di sopravvivenza, migliorando le previsioni e le decisioni.

Un nuovo metodo migliora l'apprendimento integrando la conoscenza di esperti per avere stime più precise.

Combinare il deep learning con l'inferenza bayesiana per un'ottima stima a posteriori.

Nuovi metodi migliorano l'efficienza nel campionare distribuzioni log-concave all'interno dei poliedri.

Tecniche per bilanciare la distribuzione dei dati nel federated learning per migliorare le prestazioni del modello.