Estatística - Aprendizagem automática

AdEMAMix melhora a eficiência do treinamento equilibrando gradientes recentes e antigos.

Uma olhada nos intervalos de confiança em aprendizado com poucos exemplos e seu impacto na avaliação de modelos.

Uma nova abordagem de auto-ensemble melhora a resiliência do modelo a mudanças adversariais.

Uma olhada mais de perto em como a CRL identifica relações causais nos dados.

Analisando as taxas que as células nervosas do cérebro processam informações.

Um olhar sobre como a predição conformal melhora a quantificação da incerteza na biologia.

Um novo método melhora a análise de séries temporais usando regressão simbólica e técnicas de busca em árvore.

Este artigo explica métodos para estimar efeitos causais em redes com variáveis ocultas.

Esse modelo melhora a análise de dados temporais com espaçamento irregular em várias áreas.

Uma olhada em como as redes neurais aprendem e se adaptam ao longo do tempo.

Um jeito de melhorar modelos de machine learning lidando com dados corrompidos.

Um olhar sobre como gerenciar o estoque quando a demanda é imprevisível.

Estratégias pra fazer escolhas mais inteligentes em condições incertas.

Melhorando o desempenho do Q-learning em meio a feedbacks corrompidos em aplicações do mundo real.

Uma olhada na tomada de decisões em ambientes dinâmicos usando estratégias de bandido inquieto.

Esse artigo fala sobre como combinar métodos melhora a eficácia do aprendizado dos operadores.

Analisando os efeitos do tratamento de um programa de alfabetização com novos métodos e insights de dados.

Uma nova abordagem melhora a velocidade e eficiência do treinamento de redes neurais usando nowcasting.

Aprenda como os dados moldam o desempenho do algoritmo através de ajustes e adaptação em tempo real.

O aprendizado de máquina melhora a produção e a precisão das estatísticas oficiais.

Um novo método melhora o aprendizado ao integrar conhecimento de especialistas para estimativas mais precisas.

Combinando aprendizado profundo com inferência bayesiana pra uma estimativa posterior eficiente.

Novos métodos melhoram a eficiência na amostragem de distribuições log-concavas dentro de politopos.

Um novo método melhora a quantificação da incerteza para previsões de dados em grafo.

Um estudo sobre como usar métodos de calibração para melhorar a inferência causal em aprendizado de máquina.

Um olhar sobre a dimensão efetiva e seu impacto no treinamento de modelos.

Este artigo fala sobre a justiça na escolha de candidatos para instituições em meio a avaliações tendenciosas.

Novos modelos melhoram a compreensão das relações evolutivas entre as espécies.

Essa pesquisa explora o aprendizado eficiente de Campos Aleatórios de Markov usando amostras dinâmicas.

Redes neurais bayesianas melhoram as previsões ao levar em conta a incerteza e integrar conhecimentos prévios.

Este estudo analisa como características comerciais específicas preveem os preços do mercado no futuro.

Esse artigo fala sobre como o Sliding-Window Thompson Sampling ajuda na tomada de decisões em ambientes que mudam.

Apresentando uma forma eficiente de estimar a variância em sistemas que estão sempre mudando.

Esse método ajuda os pesquisadores a encontrarem designs eficientes em espaços de problemas complexos.

Um novo método melhora a estimativa de afinidade de tarefas para aprendizado multitarefa.

Essa abordagem facilita a escolha de conjuntos de dados de pré-treinamento eficazes para modelos de linguagem.

Esse estudo mostra como os tempos de resposta podem melhorar a compreensão das preferências dos usuários.

Examinando os problemas de precisão em modelos de linguagem grandes e seus efeitos na sociedade.

Essa pesquisa avalia um novo modelo pra estimar os efeitos do tratamento em indivíduos.

Aprimorando a precisão do modelo Naive Bayes usando projeções de dados ótimas.