Estatística - Aprendizagem automática

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.

Melhorando a eficiência do modelo com novas técnicas de aprendizado ativo para dados incompletos.

Um novo método melhora a precisão das probabilidades em modelos de linguagem sem precisar de dados extras.

Melhorando a robustez contra ataques adversariais em modelos de visão-linguagem.

Apresentando o DOPE: um método top pra melhorar a estimativa do efeito do tratamento usando dados observacionais.

Aprenda como a Histogram Loss melhora as previsões de regressão ao modelar a incerteza.

Novos conjuntos de dados melhoram previsões e a compreensão das propriedades de nanomateriais usando aprendizado de máquina em gráficos.

Apresentando o DUETS: um jeito de otimizar a tomada de decisão em grupo com pouca comunicação.

Aprenda como o feedback parcial pode facilitar a estimativa de modo em grandes conjuntos de dados.

Aprenda como o SGD com Clipping melhora a estimativa de gradiente em ambientes de dados ruidosos.

Novo framework melhora a previsão de intenção de pedestres para carros autônomos.

Novos métodos pra estimar processos de eventos aleatórios com dados limitados.

Investigando as complexidades da amostragem posterior em modelos de difusão para processamento de imagem.

Uma visão nova sobre testar tratamentos médicos busca resultados mais claros.

Descubra novos métodos para estimar os efeitos do tratamento na pesquisa.

Analisando as causas das diferenças de desempenho em aplicações de machine learning em vários contextos.

Redes neurais probabilísticas oferecem uma visão mais profunda sobre a incerteza na modelagem científica.

Um olhar sobre o comportamento peculiar das Redes Neurais Profundas durante o treinamento.

Uma ferramenta flexível feita pra diferentes situações de rotulagem de dados.

Um novo método para estimar o tamanho da população com dados limitados.

Um método em duas etapas melhora o desempenho do modelo em diferentes grupos de dados.

Esse artigo analisa as complexidades e limitações dos métodos de regressão linear esparsa.

Este estudo explora as bases teóricas dos modelos de difusão em tempo discreto na aprendizagem de máquina.

Um modelo para usar IA pra melhorar os processos de tomada de decisão.

Um novo método pra avaliar modelos de linguagem grandes usando menos exemplos.

Este estudo analisa como a gestão de riscos corporativos (ERM) pode funcionar de forma eficaz com padrões de dados suaves.

Um olhar sobre como os Blocos de Transformers Lineares melhoram os modelos de linguagem através da aprendizagem em contexto.

Investigando os desafios da regressão linear esparsa através de problemas de rede.

Este artigo explica os métodos de agrupamento para analisar dados longitudinais de forma eficaz.

Novos métodos melhoram a tomada de decisão permitindo que os alunos se abstinham de agir.

Um novo método melhora a eficiência e a precisão da inferência variacional.

Apresentando um algoritmo pra tomar decisões melhores com recompensas incertas em cenários complexos.

O GROS combina vários estimadores pra melhorar a precisão na análise de dados.

O MIM-Reasoner otimiza a disseminação de informações em várias plataformas de mídia social.

Uma nova abordagem pra tomar decisões usando amostras mínimas.

Um novo método melhora a qualidade da imagem afetada por ruído de speckle usando aprendizado de máquina.