Articoli più recenti per Scienza dei Dati

Un approccio strutturato migliora le prestazioni del modello finanziario grazie a dati di qualità.

L'apprendimento attivo migliora l'efficienza dell'addestramento dei dati grazie a una selezione strategica dei campioni.

I metodi ordinali svelano intuizioni sui comportamenti e le interazioni complesse delle reti.

RS-CNN offre un nuovo modo per quantificare l'incertezza nelle previsioni del machine learning.

Esplora le basi e le applicazioni delle reti neurali a due strati.

Metodi per migliorare la classificazione multi-etichetta usando dati parzialmente etichettati.

Scopri come i banditi contestuali si adattano a premi che cambiano per prendere decisioni migliori.

Esplora i vantaggi di combinare tecniche di apprendimento semi-supervisionato e apprendimento attivo.

Nuovi strumenti puntano a migliorare l'equità nell'IA offrendo accesso a dataset diversi.

Nuovo metodo migliora la differenziazione tra modelli sani e malati nelle immagini mediche.

Nuovi metodi migliorano il controllo del tasso di falsi positivi nell'analisi dei dati binari.

Nuovi metodi migliorano il riconoscimento degli strumenti nei video chirurgici per risultati migliori.

Un nuovo strumento per regolare i dati del sondaggio per una migliore rappresentazione della popolazione.

Un nuovo modello migliora i dati di addestramento per la segmentazione semantica nelle applicazioni di intelligenza artificiale.

Un nuovo metodo combina l'apprendimento automatico con la meccanica classica per analizzare i sistemi fisici.

Un nuovo metodo migliora le miscele gaussiane per fare previsioni migliori in distribuzioni complesse.

Nuovi metodi migliorano la velocità di allenamento e l'accuratezza delle GNN usando la quantizzazione.

FGNNs migliorano l'apprendimento delle relazioni complesse nei dati grafici.

Scopri come le PINNs integrano fisica e dati per risolvere le equazioni.

Questa ricerca esplora l'evoluzione delle reti dinamiche usando motivi e ruoli dei nodi.

Questo articolo esplora i temi popolari attuali nella ricerca informatica.

Un nuovo metodo migliora il riconoscimento delle parole personalizzate nei sistemi ASR per lingue con dati limitati.

Esplora come gli operatori Lipschitz a reticolo aiutano ad approssimare funzioni complesse.

Un nuovo approccio migliora la visibilità in scene difficili con scarsa illuminazione e nebbia.

Un nuovo metodo semplifica l'analisi dei dati affinando modelli di cluster e fattori.

Questo articolo mette in evidenza nuovi metodi per chiarire i risultati del clustering spettrale per documenti di testo.

Questo articolo parla di metodi di auto-verifica per migliorare l'accuratezza dei modelli linguistici.

Questo studio migliora la robustezza del deep learning attraverso la selezione dinamica dei modelli.

Un nuovo framework per garantire equità nei sistemi di intelligenza artificiale mentre sono in funzione.

Migliorare i modelli VQA bilanciando le caratteristiche visive e testuali.

Nuove metriche di valutazione migliorano la valutazione dei modelli nell'adattamento di dominio non supervisionato.

Presentiamo una rete neurale che approssima in modo efficiente la distanza di Wasserstein per set di punti complessi.

Un nuovo metodo migliora la classificazione delle immagini di CLIP usando informazioni contestuali.

Calibrare i modelli di deep learning assicura previsioni affidabili in applicazioni critiche.

Questo metodo migliora l'allenamento del modello nonostante le sfide delle etichette sbagliate.

Un nuovo metodo affronta i bias di feedback nei sistemi di raccomandazione per interazioni bilaterali.

Un approccio basato sui dati per modellare efficacemente i sistemi hamiltoniani.

Un modo nuovo per analizzare ADABOOST usando tabelle della verità per avere migliori intuizioni sui classificatori.

Un nuovo metodo migliora l'equità del modello generando campioni di dati sintetici.

Un framework per un crowdsourcing affidabile tramite inferenza della verità e prove a conoscenza zero.