Li Shen

新しいAI手法が、広範なラベル付きデータなしでマンモグラム分析を改善する。

この論文では、データ分析のバイアスを減らす方法について話してるよ。

新しいアプローチが、いろんなデータタイプを使ってアルツハイマー病を分類しようとしてるんだ。

新しいフレームワークが、元のデータなしで事前学習済みモデルからの学習を強化するよ。

モデルの不均一性を管理するためのタスクグループ化正則化を探る。

研究が脳ネットワークと接続性の理解を深めるためのフレームワークを提案してるよ。

新しいフレームワークが限られたデータでモデルのパフォーマンスを向上させるよ。

選択的ファインチューニングを使って事前学習モデルを強化する新しい方法。

研究者たちは、認知タスク中の脳の活動を調べるためにfMRIとMEGを組み合わせている。

この記事では、コンピュータシミュレーションを使って界面活性剤の挙動と輸送について探ってるよ。

フェデレーテッドラーニングが機械学習でプライバシーにどうアプローチしてるか探ってみて。

新しいモデルがAIの忘れずに学ぶ能力を向上させた。

新しい方法が言語モデルのコード出力の質を向上させる。

この記事ではグラフィカルモデルにおけるバイアスについて取り上げ、公正な分析のための方法を提案しているよ。

A-FedPDは、フェデレータ学習でのトレーニングの不安定さを減らすためにモデルの更新を調整するんだ。

新しい方法で、ラベル付きサンプルを少なくして医療画像のセグメンテーションを改善する。

グラフ学習がセミスーパーバイザードドメイン適応をどう強化するか見てみよう。

FWAは、慎重な重みの平均化を通じて機械学習の速度と一般化を改善するんだ。

二層最適化手法とその機械学習モデルへの影響についての考察。

脳コネクトミクスがエコーステートネットワークをどう強化して、より良い予測を実現するかを発見しよう。