Hongzhi Yin

Métodos inovadores para melhorar a privacidade do usuário e atualizações de modelo nos dispositivos.

Uma nova estrutura enfrenta os desafios de desaprender em ambientes de aprendizado de máquina descentralizados.

CERP otimiza o uso de memória em sistemas de recomendação sem perder precisão.

GraphDKL melhora as previsões ao lidar com incertezas e complexidades de dados em rede.

Um novo método melhora a detecção de anomalias em grafos em mudança usando memória espacial e temporal.

Um novo método enfrenta os desafios de rotular nós em configurações de mundo aberto.

Um novo método melhora as recomendações usando embeddings adaptáveis e gestão eficiente de recursos.

Uma nova abordagem pra melhorar as recomendações mantendo os dados do usuário em sigilo.

Analisando os riscos e defesas contra ataques de envenenamento em recomendações online.

Uma nova abordagem melhora a justiça na identificação de discurso de ódio entre grupos diversos.

Um novo modelo melhora as recomendações enquanto protege a privacidade do usuário.

Este estudo avalia métodos de incorporação leves para sistemas de recomendação eficazes.

Um novo método melhora a segurança em sistemas de recomendação através de uma marca d'água eficaz.

SCALL ajusta os tamanhos de embedding para melhores recomendações usando menos memória.

Um novo sistema mistura dados de comportamento e linguagem pra dar melhores recomendações.

SparseRec otimiza recomendações pra melhorar o desempenho em dispositivos com recursos limitados.

Uma nova estrutura melhora a previsão de séries temporais enquanto garante a privacidade dos dados.

Aprenda como a Estimativa de Efeito Causal e o Aprendizado Ativo melhoram a tomada de decisão.

Uma nova forma de identificar genes do câncer através da análise de interação entre proteínas.