Informática - Aprendizagem de máquinas

O TSER melhora a precisão das previsões gerando amostras sintéticas para séries temporais que são sub-representadas.

Um novo método melhora a equidade no aprendizado federado em comunidades diversas.

Novos métodos melhoram como a gente analisa estruturas de dados gráficas complexas.

Novo método reduz ameaças de backdoor em redes neurais profundas.

Uma visão geral dos métodos de gradiente de política em aprendizado de reforço.

Treinar LLMs de código aberto melhora a modelagem de otimização para aplicações industriais.

Um olhar detalhado sobre como medir de forma eficaz os resultados diversos em iniciativas sociais.

Uma nova estrutura melhora algoritmos de otimização usando técnicas de aprendizado baseadas em dados.

Esse artigo analisa as U-Nets e o papel delas no processamento de imagens usando modelos generativos.

Esse estudo analisa como as escolhas passadas mostram as funções de bem-estar social dos tomadores de decisão.

Pesquisadores descobrem grupos de conceitos visuais na atividade cerebral.

Explore o impacto das normas no treinamento e desempenho das redes neurais.

Este artigo fala sobre rotulagem salutar, um método pra reduzir a entrada humana em aprendizado de máquina.

Um novo framework melhora o aprendizado de máquina a partir de fontes de informação diversas.

Uma análise dos fatores que influenciam o esquecimento em aprendizado de máquina.

Um novo algoritmo melhora a verificação de redes neurais em relação à confiabilidade e justiça.

Um novo algoritmo melhora os conjuntos de previsão pra uma melhor tomada de decisão pelos especialistas.

Um novo modelo melhora a extração de atributos de produtos no varejo de moda.

Este artigo fala sobre novos métodos para explicar as decisões da IA em detecção de objetos.

Investigando os efeitos do LoRA na equidade entre diferentes grupos em aprendizado de máquina.

Esse estudo explora como as representações de redes neurais evoluem durante o treinamento, inspirado na natureza.

Novos métodos melhoram a detecção de amostras fora da curva em ambientes de dados mistos.

SADA melhora a estabilidade do treinamento em aprendizado de reforço visual com técnicas avançadas de aumento de dados.

Explore o papel da memória e do contexto em melhorar o aprendizado de máquina.

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.