分布外 に関する最新の記事

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。

手書きのテキストを読む際の障害や進展を調べる。

新しい手法が学習を構造化することで、視覚的質問応答のパフォーマンスを向上させる。

FEVER-OODは、より安全な機械学習アプリケーションのために、分布外検出を改善するよ。

都市が高度な予測手法を使って移動パターンを予測する方法を学ぼう。

AIがどのように既知のデータと予期しない入力を区別するかを学ぼう。

RASPが人間の言語を機械が理解するのをどう改善するか学ぼう。

プロトタイプ外れ値プロキシは、AIモデルが見たことのないデータを検出する能力を高める。