Informática - Aprendizagem de máquinas

Esse estudo analisa como adicionar recorrência aos Transformers pra melhorar o desempenho em tarefas de aprendizado de máquina.

Apresentando o FairEHR-CLP, uma estrutura pra previsões de saúde justas e precisas usando dados de EHR.

Uma maneira mais rápida de manter os escritores anônimos enquanto mantém a clareza do texto.

O ELRA adapta as taxas de aprendizado pra melhorar a eficiência do aprendizado de máquina.

Um olhar sobre técnicas seguras de aprendizado por reforço e suas aplicações no mundo real.

Um novo método dá um feedback melhor para treinar modelos de linguagem.

Explorando como o machine unlearning ajuda na privacidade de dados e na conformidade.

Este artigo fala sobre métodos de deep learning para analisar dados de trajetória em várias áreas.

Um jeito de melhorar a confiabilidade na geração de texto medindo a incerteza.

Um novo conjunto de dados revela insights sobre o uso de modelos pré-treinados em projetos de software.

Novas técnicas melhoram a velocidade e a eficácia de ataques de morphing em sistemas de reconhecimento facial.

Uma nova abordagem combina captação de energia com aprendizado federado para melhorar o gerenciamento de bateria.

Um novo método pra analisar dados funcionais usando autoencoders de rede neural.

Pesquisadores desenvolveram um modelo que melhora a estabilidade em simulações de dinâmica molecular.

Esse método acelera o treinamento de modelos sequenciais sem perder precisão.

Uma nova abordagem pra avaliar modelos de aprendizado de máquina sem dados rotulados.

Novos sistemas automatizam respostas a Ações de Escritório de Patentes, melhorando a eficiência para os advogados.

Novo framework ajuda modelos generativos a esquecer dados sensíveis sem perder performance.

Uma nova abordagem melhora o desempenho do aprendizado por reforço offline através de atualizações de gradiente ortogonal.

Esse artigo fala sobre um novo método pra máquinas usarem ferramentas em ambientes dinâmicos.

Uma olhada em como Transformers e GSSMs lidam com tarefas de cópia.

Essa pesquisa melhora o aprendizado de reforço online usando modelagem de razão de densidade pra uma exploração melhor.

Antecipar eventos futuros molda as decisões no dia a dia e na tecnologia.

Examinando os riscos de extinção potenciais ligados à IA e como discutir isso.

Aprimorando os CBMs ao minimizar o vazamento de informações pra ter uma melhor interpretabilidade e confiança.

O Todyformer melhora a análise de gráficos dinâmicos com aprendizado local e global eficiente.

Um novo método foca na relevância pra melhorar as respostas dos modelos de linguagem.

Uma nova abordagem melhora a precisão da previsão de longo prazo em dados de séries temporais complexas.

Explorando a integração de LLMs em tarefas de computação de alto desempenho.

Um estudo sobre como identificar padrões incomuns em séries temporais usando classificação de uma classe só.

O Transformer Informado por Topologia melhora o reconhecimento de isomorfismo de grafos e as capacidades preditivas.

A estrutura TSF-HD oferece previsões eficientes e precisas para diferentes padrões de dados.

Um método pra melhorar a categorização multi-rotulada em textos biomédicos.

Um novo método pra avaliar o valor dos dados em dados de gráfico complexos.

Estratégias pra melhorar a tomada de decisão em ambientes cooperativos com informações incompletas.

Explicações contrafactuais oferecem ideias sobre decisões algorítmicas, mas precisam ser confiáveis.

A Regularização de Dimensionalidade Local oferece soluções para melhorar a qualidade da representação em SSL.

DEFT melhora a eficiência e o uso de energia em modelos de linguagem grandes com menor densidade de ativação.

Uma nova abordagem de IA junta redes neurais com raciocínio simbólico pra melhorar a tomada de decisão.

Apresentando o AgentHPO, uma estrutura que automatiza a ajuste de hiperparâmetros usando Grandes Modelos de Linguagem.