Estatística - Aprendizagem automática

Um olhar sobre novos classificadores que estão melhorando a análise de dados através das distâncias de Mahalanobis.

Algoritmos inovadores usam dados públicos pra proteger a privacidade na análise de dados.

Explorando como a profundidade da rede impacta o aprendizado e a generalização na IA.

Um novo método melhora a tomada de decisões para agentes de aprendizado por reforço.

Pesquisas mostram como mínimos planos estão relacionados a um desempenho melhor do modelo em dados não vistos.

Investigando os efeitos do barulho no treinamento de redes neurais profundas e privacidade.

Uma abordagem nova pra estimar como os dados de treino impactam as previsões do modelo.

Explore como produtos internos melhoram a compreensão das relações em machine learning.

Aprenda a combinar os processos de evidência na análise de dados de forma eficaz.

Usando modelos de dados pra prever emergências em Edmonton e melhorar a segurança da comunidade.

Novo método aumenta a precisão da previsão ao gerenciar erros ao longo do tempo.

Abordando a justiça em aprendizado de máquina para melhores resultados estatísticos.

Uma nova abordagem combina aprendizado de representação causal e modelos base pra uma melhor compreensão.

Esse artigo analisa como redes neurais melhoram previsões com pesos iniciais pequenos.

Aproveitando machine learning pra melhorar a precisão nas previsões de demanda para as empresas.

Explorando os riscos de privacidade relacionados a ataques de inferência de membros em aprendizado de máquina.

O método ParaTAA acelera muito a criação de imagens sem perder qualidade.

Uma nova abordagem pra filtrar sistemas complexos usando Modelos de PSD Gaussiano.

Um novo método pra análise de dados de forma eficiente, mesmo com os outliers.

Esse trabalho analisa o desempenho de transformers simplificados em tarefas de previsão.

Novas técnicas melhoram as previsões de tendências econômicas usando dados diversos.

Uma nova abordagem melhora o desempenho do modelo contra mudanças de distribuição e ataques adversariais.

Explorando métodos pra melhorar a classificação multiclasses usando técnicas de perda substituta.

Esse artigo fala sobre os aspectos essenciais do aprendizado por reforço com restrições e suas aplicações no mundo real.

Esse estudo melhora a aprendizagem distribuída através do uso eficaz de atualizações ponderadas no Feedback de Erro.

Aprenda sobre Localização Estocástica em amostragem e seus processos principais.

Esse artigo analisa o papel dos tensores em melhorar as técnicas de agrupamento.

Explorando técnicas pra melhorar classificadores multiclass no meio dos desafios de dados mal etiquetados.

Explorando como exemplos adversariais influenciam modelos de aprendizado de máquina.

Uma olhada em hipergrafos e seus papéis em várias áreas.

Esse estudo analisa os desafios da aprendizagem de reconstrução em machine learning para tarefas de percepção.

Um novo método para coleta justa de dados em modelagem preditiva.

Um novo método melhora a estimativa de núcleos de memória na dinâmica de partículas.

Um método pra estimar os efeitos do tratamento quando informações importantes tão faltando.

Apresentando um método para estimativa de densidade usando a quasi-interpolação de Hermite B-spline em agrupamento.

Essa pesquisa analisa o desequilíbrio espectral pra melhorar a equidade em modelos de classificação de aprendizado de máquina.

Um olhar sobre PAC-Bayes e seu impacto no desempenho do modelo.

LoRA+ melhora o desempenho do modelo através de taxas de aprendizagem personalizadas em aprendizado profundo.

Um novo framework bayesiano melhora a qualidade da imagem e estima a incerteza.

Uma nova abordagem para bandits lineares lida com o ruído de feedback para tomar decisões melhores.