Estatística - Aprendizagem automática

Novos métodos para otimizar escolhas através de feedback de preferência em ambientes complexos.

Um novo método pra estimar expectativas condicionais de forma eficiente em ambientes incertos.

Um novo método melhora a eficiência e a qualidade na geração de texto de modelos de linguagem.

Esse artigo apresenta um método para modelar a atividade neural usando RNNs de baixa classificação.

Explorando o papel das redes tensorais em melhorar o aprendizado de máquina quântico.

Explorando como DNNs recuperam funções em configurações superparametrizadas.

Melhorando o aprendizado por reforço com estimativas da função de valor pra uma adaptação mais rápida às tarefas.

Novos métodos reduzem os custos de comunicação para cálculos de ciência de dados mais rápidos.

Explorando novas maneiras de tomar decisões melhores em situações de incerteza em sistemas de IA.

Uma olhada no suavização randomizada como uma defesa para modelos de aprendizado de máquina.

Analisando o papel da robustez na estimativa de distribuições desconhecidas a partir de amostras.

Novos métodos utilizando modelos de difusão aprimoram a cibersegurança contra exemplos adversariais.

Uma nova abordagem pra melhorar os prompts dos modelos de texto pra imagem e ter resultados melhores.

Explorando como os transformers analisam sentimentos em texto, como em críticas de filmes.

Um novo método melhora a equidade na modelagem de dados de saúde.

Uma nova estrutura melhora a precisão das previsões enquanto minimiza o tamanho dos conjuntos de previsões.

Melhorando a precisão na estimativa de razões de densidade por meio de abordagens geométricas.

Um novo método aprimora o alinhamento do modelo de IA sem necessidade de retraining.

Um novo método melhora a eficiência da ajuste de hiperparâmetros utilizando dados de modelos anteriores.

Este artigo examina a importância dos máximos e do teste de espaçamento em campos aleatórios gaussianos.

Novos algoritmos melhoram o aprendizado de estados quânticos com mínima perturbação e menor arrependimento.

Novas técnicas melhoram previsões de tempo locais em meio às mudanças climáticas.

Um novo algoritmo melhora a descoberta causal usando conhecimento de fundo baseado em tempo.

Um novo método aumenta o desempenho de modelos generativos mesmo com dados de treinamento escassos.

Métodos de abstração de estado aumentam a confiabilidade da avaliação off-policy em ambientes complexos.

Este artigo discute um novo método para calibrar modelos baseados em agentes usando florestas aleatórias.

Novas técnicas de amostragem melhoram a eficiência na análise estatística.

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

Aprenda como modelos de ordem reduzida ajudam a analisar sistemas complexos usando entropia de causalidade.

Esse método melhora a criação de prompts para modelos de linguagem grandes, aumentando a performance geral.

Cientistas usam aprendizado de máquina pra melhorar as previsões em combinações de remédios pra câncer.

AnInfoNCE melhora o aprendizado contrastivo ao lidar com desafios na augmentação de dados.

Um estudo sobre o equilíbrio entre o aprendizado por transferência e a privacidade individual no uso de dados.

Métodos inovadores para analisar valores extremos em dados climáticos e ambientais.

Uma nova técnica que utiliza eletrostática para melhor amostragem e estimativa de dados.

BART é uma ferramenta poderosa para prever resultados em várias áreas.

KSGAN melhora modelos generativos com uma medida de distância única para uma melhor geração de amostras.

Um novo método melhora a tomada de decisão em otimização com considerações de custo.

Combinar IA e conhecimento médico melhora as estratégias de tratamento em medicina de precisão.

Este estudo prova a convergência global para o Gradient EM em Modelos de Mistura Gaussiana superparametrizados.