Informática - Aprendizagem de máquinas

Um novo método reduz o tempo e o custo no treinamento de modelos de difusão.

Esse estudo explora como as DNNs aprendem e se adaptam durante o treinamento.

Esse artigo analisa os riscos de ajustar modelos de linguagem pra segurança.

Explorando o papel das GNNs no crescimento das tecnologias de IoT.

Um estudo avalia como modelos quânticos e clássicos respondem a ataques adversariais.

Novos métodos melhoram a eficiência da atribuição de dados de treinamento em modelos de IA.

SynCx melhora a descoberta de objetos usando pesos complexos e processamento iterativo.

Usando aprendizado de máquina pra prever riscos de deslocamento lateral por causa de terremotos.

FedHPL melhora a eficiência do aprendizado federado enquanto garante a privacidade dos dados entre os dispositivos.

Melhorando a qualidade da geração de texto ao escolher exemplos mais limpos.

Um novo método permite a transferência de módulos LoRA com dados sintéticos, minimizando a dependência de dados originais.

Um novo método para analisar redes temporais e sua incerteza.

WeiPer melhora a detecção de dados fora de distribuição em modelos de machine learning usando ajustes de peso.

A DSAM traz uma nova visão sobre a conectividade cerebral usando técnicas avançadas de deep learning.

Este artigo analisa como o Aprendizado de Máquina estima os efeitos do tratamento em estudos de comportamento de formigas.

Examinando a transição de classes de conceitos gerais pra classes extremas na análise de dados.

Um método pra encontrar estratégias em MDPs sem conhecimento prévio.

Nova técnica de poda de camadas melhora a eficiência e a precisão do modelo.

Uma nova função de perda melhora dados tabulares sintéticos usando GANs para pesquisa médica.

Um novo método melhora a otimização de design em áreas complexas.

Uma olhada em como exemplos adversariais desafiam modelos de IA.

Incluir dados em outras línguas melhora o desempenho do modelo de visão-linguagem e a compreensão cultural.

O modelo CATS desafia as abordagens tradicionais em previsão de séries temporais usando atenção cruzada.

Uma nova abordagem melhora as incorporações de grafo ao focar na gestão de dimensões.

TGDP melhora a geração de dados em cenários com poucos exemplos de treino.

Um novo método de otimização de portfólio focado em eficiência e gestão de risco.

Este artigo fala sobre como o GRSNN melhora as tarefas de raciocínio em gráfico usando o atraso sináptico.

Aprenda como os hiperparâmetros impactam o treinamento em redes neurais largas.

Analisando a eficácia e o custo de modelos de IA menores em comparação com os maiores.

AHAC melhora a tomada de decisões em robótica ao se adaptar às dinâmicas do ambiente.

Como melhorar o viés nas recomendações usando interações dos usuários.

Um novo método pra interpretar as ativações neurais melhora a segurança e o controle da IA.

Apresentando um novo método pra melhorar modelos de espaço de estado em sistemas dinâmicos.

Modelos de espaço de estado oferecem processamento eficiente em tarefas de linguagem natural, desafiando os transformadores tradicionais.

Uma análise do comportamento do SGD em aprendizado de máquina com insights sobre autovalores e estabilidade de treinamento.

Novos métodos visam melhorar o aprendizado de máquina com tarefas e interações diversas.

Novo conjunto de dados destaca as diferenças de desempenho entre grupos demográficos usando assistentes de voz.

Aumentação de Trajetória Generativa melhora a tomada de decisão em RL offline.

Um olhar sobre a importância e os métodos de estimar a profundidade do lençol freático.

Este estudo avalia métodos de aprendizado de máquina pra medir com precisão os níveis de pobreza.