Estatística - Aprendizagem automática

Uma olhada no aprendizado PAC e seu papel na tomada de decisão eficiente baseada em dados.

Um novo método combina MCMC de dividir e conquistar com modelos de difusão pra melhorar a amostragem.

Novos métodos melhoram a tomada de decisão em várias áreas através do aprendizado por reforço.

Analisando como as redes neurais aprendem com os dados e os fatores que influenciam seu desempenho.

O DistPred melhora as previsões de resultados levando em conta a incerteza de forma eficaz.

Este artigo fala sobre métodos de re-treinamento usando previsões de modelos pra melhorar a precisão.

Aprenda como o clipping de gradiente estabiliza o treinamento em modelos de machine learning.

Novos métodos melhoram a inferência de propriedades de materiais em mecânica e imagem médica.

Descubra como dados sintéticos ajudam os varejistas a proteger a privacidade dos clientes enquanto ganham insights.

Uma nova abordagem pra simulações eficientes de colisão de partículas usando técnicas de aprendizado de máquina.

Este artigo fala sobre métodos pra amostrar dados complexos de alta dimensão de forma mais eficaz.

Explorando os riscos de privacidade em dados sintéticos e apresentando o Índice de Plágio de Dados.

O aprendizado federado melhora a imagem médica enquanto protege os dados dos pacientes.

Um novo método combina previsões Bayesianas e copulas em videira para melhorar a análise de dados.

Investigando como o fluxo de espelho minimiza erros em tarefas de classificação.

Aprenda como a regressão por kernel e a atualização bayesiana melhoram as previsões com novos dados.

Apresentando o PACE, uma abordagem estruturada para explicações de IA confiáveis.

Novos modelos melhoram as previsões em ambientes de dados em mudança.

Explorando novos algoritmos para classificação multiclasse com feedback limitado.

Aprenda como o Cluster Quilting resolve os desafios do aprendizado em patchwork com conjuntos de dados incompletos.

Analisando métodos tradicionais e de aprendizado de máquina para lidar com dados faltantes.

Novos métodos de atenção melhoram os modelos de transformadores em eficiência e desempenho.

A Atenção Elíptica melhora o foco e o desempenho em tarefas de IA.

RPC-Attention melhora modelos de autoatenção pra ter um desempenho melhor em dados barulhentos.

Um novo método que combina as forças do Sliced e do Tree Wasserstein para análise de dados dinâmicos.

A calibração garante que as previsões estejam alinhadas com os resultados reais em várias áreas.

Aprenda como o aprendizado em contexto melhora os modelos preditivos usando vários conjuntos de dados.

Explorando o valor de modelos aproximadamente equivariantes em aprendizado de máquina.

Esse artigo apresenta quantis minimax pra ter estimativas estatísticas melhores.

Redes neurais bayesianas melhoram as previsões do comportamento dos materiais com estimativas de incerteza.

Este estudo examina PINNs Bayesianos para estimar parâmetros de PDE a partir de dados ruidosos.

Uma abordagem de aprendizado de máquina oferece previsões climáticas mais rápidas e precisas.

Técnicas pra melhorar a inferência de gráfico e a estimativa de incerteza em várias áreas.

LaseNet melhora a extração de variáveis ocultas em modelos cognitivos usando redes neurais.

Explorando uma nova abordagem para otimização de preferências multi-objetivo.

Um novo conjunto de dados acelera as previsões de propriedades moleculares para o design de medicamentos.

Um novo método pra medir a incerteza em deep learning, especialmente na análise de sobrevivência.

Explorando novas técnicas em design experimental e análise de dados pra pesquisa científica.

Uma nova abordagem pra prever mudanças em sistemas complexos usando computação de reservatório.

Dois novos estimadores melhoram a precisão na análise de dados de resposta a itens.