Artigos mais recentes para Fora da distribuição

WeiPer melhora a detecção de dados fora de distribuição em modelos de machine learning usando ajustes de peso.

Examinando como rótulos em distribuição afetam a detecção fora de distribuição em aprendizado de máquina.

Este artigo fala sobre como ampliar as janelas de contexto em modelos de linguagem usando vetores posicionais.

Uma nova abordagem pra aumentar a precisão da detecção em 3D em ambientes que mudam.

Explorando segurança, confiabilidade e questões éticas em modelos de linguagem.

Um novo método ajuda os carros autônomos a lidarem com mudanças rápidas de forma segura.

Apresentando o Ludor, uma estrutura que melhora o aprendizado por reforço offline através da transferência de conhecimento.

Um novo conjunto de benchmarks ajuda a avaliar atalhos de raciocínio na inteligência artificial.

Insights sobre os desafios do aprendizado de máquina em prever propriedades dos materiais.

Um novo método melhora a otimização de design usando dados existentes.

Um novo método melhora a clareza das previsões em classificadores softmax para áreas críticas.

Novo método melhora a precisão da previsão visual através da representação de objetos.

Explore o impacto de dados fora da distribuição no desempenho de aprendizado de máquina.

O LAPT simplifica a detecção OOD, melhorando a confiança da IA em situações incertas.

Apresentando o ESCAPE, um framework que melhora a precisão e a velocidade da pose humana em 3D.

A pesquisa busca melhorar a confiabilidade da IA e a eficiência energética em várias aplicações.

Aumento de teste melhora a análise de imagem para doenças gastrointestinais.

Apresentando um método pra avaliar modelos de IA em dados que nunca viram de forma mais eficaz.

Explorando como dados ruidosos afetam o desempenho do modelo em dados não vistos.

Novos métodos melhoram modelos de aprendizado de máquina pra detectar melhor amostras incomuns em conjuntos de dados desbalanceados.

Explorando as questões de incerteza epistêmica nos métodos de Aprendizado Profundo Bayesiano.

Combinar métodos existentes melhora a detecção OOD para aplicações de machine learning mais seguras.

Aumentando a precisão em imagens médicas através da detecção fora da distribuição.

Uma olhada no pacote py-ciu para explicar as escolhas da IA de forma clara.

Novos métodos melhoram as previsões das propriedades dos materiais usando técnicas de aprendizado de máquina.

InfoIGL melhora o desempenho das redes neurais gráficas em diferentes ambientes de dados.

Explorando priors flexíveis pra melhorar as previsões em modelos Bayesian Last Layer.

A SONA cria outliers desafiadores pra melhorar o treinamento de modelos em machine learning.

INK oferece um jeito confiável de identificar amostras fora da distribuição em aprendizado de máquina.

Um novo método integra a ajuda humana pra melhorar o aprendizado OOD em modelos de machine learning.

O SOOD-ImageNet enfrenta desafios na visão computacional relacionados a mudanças nos significados das imagens.

Um novo framework melhora a detecção de objetos identificando instâncias fora da distribuição usando protótipos.

Um novo método ajuda modelos a se adaptarem a dados do mundo real inesperados.

Uma nova abordagem melhora a capacidade da IA de lidar com dados incomuns.

Um novo método simplifica a remoção de conteúdo indesejado em conjuntos de dados visuais.

Robôs aprendem a lidar com situações complicadas com a Recuperação Centrada em Objetos.

Uma abordagem baseada em grafo pra melhorar o aprendizado de máquina em ambientes dinâmicos.

Desaprender ajuda os modelos de IA a esquecer informações específicas sem perder habilidades importantes.

Uma nova abordagem pra melhorar a detecção de OOD em modelos de aprendizado de máquina.

Um novo método melhora a detecção de dados desconhecidos em modelos de aprendizado profundo.