分布外 に関する最新の記事

WeiPerは、重みの調整を使って機械学習モデルの分布外検出を改善するよ。

機械学習における分布内ラベルが分布外検出にどう影響するかを調べる。

この記事では、位置ベクトルを使って言語モデルのコンテキストウィンドウを拡張する方法について話してるよ。

変化する環境での3D検出精度を向上させる新しいアプローチ。

言語モデルの安全性、信頼性、倫理的問題を探る。

新しい方法が自動運転車が突然の変化に安全に対処するのを助ける。

Ludorを紹介するね。これは知識転送を通じてオフライン強化学習を強化するフレームワークだよ。

新しいベンチマークスイートがAIの推論ショートカットを評価するのを手助けするよ。

材料特性を予測する際の機械学習の課題についての洞察。

既存のデータを使ってデザイン最適化を改善する新しい方法ができたよ。

新しい方法が、重要な分野におけるソフトマックス分類器の予測の明確さを向上させる。

新しい方法で物体表現を通じて視覚予測の精度が向上した。

アウトオブディストリビューションデータが機械学習のパフォーマンスに与える影響を探ってみて。

LAPTはOOD検出を効率化して、AIの不確実なシナリオでの信頼性を高めるんだ。

ESCAPEを紹介するよ！これ、3D人間ポーズの精度とスピードをアップさせるフレームワークなんだ。

研究は、さまざまな用途でAIの信頼性とエネルギー効率を向上させることを目指している。

テスト時の拡張は、消化器疾患の画像分析を強化する。

見たことないデータでAIモデルをもっと効果的に評価する方法を紹介するよ。

ノイズの多いデータが未見のデータに対するモデルのパフォーマンスにどう影響するかを探る。

新しい方法が機械学習モデルを強化して、不均衡なデータセットの中の異常サンプルをもっとよく検出できるようにしてるよ。

ベイジアンディープラーニング手法における認識的不確実性の問題を探る。

既存の手法を組み合わせることで、より安全な機械学習アプリケーションのためのOOD検出が改善される。

分布外検出を通じて医療画像の精度を向上させる。

AIの選択を明確に説明するためのpy-ciuパッケージを見てみよう。

新しい方法で機械学習技術を使って材料の特性の予測が向上してるよ。

InfoIGLは、さまざまなデータ環境でグラフニューラルネットワークのパフォーマンスを向上させる。

ベイズ最終レイヤーモデルの予測を改善するために柔軟なプライヤーを探る。

SONAは機械学習のモデルトレーニングのために、挑戦的な外れ値を作り出すんだ。

INKは、機械学習において分布外サンプルを特定する信頼できる方法を提供する。

新しい方法は、人間の入力を取り入れて機械学習モデルのOOD学習を強化するんだ。

SOOD-ImageNetは、画像の意味が変わることに関連するコンピュータビジョンの課題に取り組んでいるよ。

新しいフレームワークは、プロトタイプを使って分布外のインスタンスを特定することで物体検出を強化してるよ。

新しい方法がモデルが予期しない現実のデータに適応するのを助ける。

新しいアプローチでAIが変わったデータを扱う能力が向上した。

新しい方法が視覚データセットから不要なコンテンツを取り除くのを簡単にしてくれる。

ロボットはオブジェクト中心のリカバリーで厄介な状況を対処する方法を学んでいる。

動的な環境での機械学習を強化するためのグラフベースのアプローチ。

忘却はAIモデルが特定の情報を忘れるのを助けるけど、重要なスキルは失わないんだ。

機械学習モデルのOOD検出を改善する新しいアプローチ。

新しい手法がディープラーニングモデルで不明なデータの検出を強化する。