Informática - Aprendizagem de máquinas

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

Essa pesquisa revela ameaças à privacidade em modelos de tópicos mais simples, tipo LDA.

Explorando a dinâmica do trabalho em equipe entre humanos e IA em tarefas de otimização.

Esse estudo avalia modelos para detectar anomalias em dados de séries temporais.

Um novo método melhora a precisão na previsão de interações entre proteínas e ligantes.

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

Um novo método melhora a memória pra ajudar na tomada de decisão em agentes de RL.

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

Apresentando um método pra avaliar a confiabilidade nas saídas de modelos de linguagem.

Métodos automatizados melhoram a eficiência ao extrair informações de Grafos de Conhecimento.

Um estudo sobre Aprendizado por Reforço Profundo Blindado para a autonomia segura de naves espaciais.

Novo método melhora a retenção de participantes em intervenções de saúde pública.

Esse artigo fala sobre métodos de privacidade para dados tabulares em modelos de linguagem grandes.

Um novo método melhora a atribuição de características em aplicações de aprendizado de máquina.

Esse estudo melhora o design do tubo de descarga usando aprendizado de máquina pra ter uma eficiência melhor na hidrelétrica.

Um novo método melhora o FQI usando log-loss pra uma eficiência de aprendizado maior.

Um guia pra usar conjuntos suaves fuzzy hesitantes em cenários complexos de tomada de decisão.

Novos métodos visam melhorar a criação de imagens humanas a partir de descrições em texto.

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

Uma nova abordagem pra recompensar a superotimização em modelos de linguagem usando estimativa de incerteza.

O ECToNAS simplifica o processo de encontrar as melhores arquiteturas de redes neurais.

Introduzindo o hypervolume adversarial pra avaliar melhor o desempenho de modelos de deep learning.

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

Aprenda a mitigar transferências negativas em aprendizado por reforço contínuo com Reset e Distill.

Analisando os riscos e métodos de detecção de conteúdo gerado por IA.

Uma nova abordagem melhora como diferentes tipos de dados são combinados para uma análise melhor.

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

DARL oferece novos métodos para máquinas aprenderem e criarem imagens de forma eficaz.

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

One4All-ST oferece uma forma simplificada de prever o movimento e as necessidades urbanas.

Um novo método melhora as GNNs ao aprimorar o reconhecimento da estrutura do grafo.

Explorando homomorfismo de grafos pra melhorar as capacidades de generalização das GNNs.

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

Abordagem inovadora usando redes neurais pra estabilizar sistemas de PDE de forma eficiente.

Explorando os comportamentos dos neutrinos durante supernovas e os efeitos da conversão de sabor deles.

A DiNAS oferece uma nova maneira de criar redes neurais de alto desempenho rapidamente.

Novas descobertas desafiam a ideia de que a robustez da classificação e da explicação estão ligadas.

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

Abordando a superestimação de valor e o viés de primazia pra melhorar o desempenho do agente.

APRICOT aumenta a confiança em modelos de linguagem medindo a certeza das respostas de forma precisa.