Artigos mais recentes para Aprendizado de Máquina

Uma olhada na persistência de 2 parâmetros e seu papel na análise de dados.

O aprendizado de máquina tá mudando como os astrônomos classificam eventos transitórios a partir de dados imensos.

A Atenção de Canal Sem Parâmetros melhora a eficiência de classificação de imagem e super-resolução.

Apresentando o MAG pra melhorar a coordenação em aprendizado por reforço com múltiplos agentes.

Darkside transforma o TinyML ao aumentar a eficiência e o desempenho em dispositivos pequenos.

Um estudo sobre a eficácia do FedAvg e do FedCurv em condições não-IID.

Novo método melhora a performance de detecção de objetos em condições cambiantes.

Explorando novas maneiras de melhorar os resultados de design em sistemas complexos.

Analisando a troca entre qualidade da imagem e clareza do modelo em imagem médica.

Um método novo melhora o agrupamento de imagens usando modelos pré-treinados pra ter mais precisão.

Explorando aplicações de aprendizado por reforço para sistemas de controle não lineares complexos.

Uma nova abordagem para entender eventos complexos usando Lógica Real Intervalar.

Essa pesquisa melhora a detecção MIMO usando uma abordagem híbrida com autoatenção.

Novos métodos melhoram a precisão e a eficiência do reconhecimento de fala.

Um jeito de reduzir o uso de memória em deep learning em dispositivos pequenos.

Um novo framework melhora o aprendizado centrado em objetos a partir de imagens de visão única.

Métodos pra melhorar a eficiência da rotulagem de dados em projetos de machine learning.

Uma nova abordagem simplifica a segmentação de imagens usando CLIP sem precisar de muitos dados rotulados.

Examinando ataques Trojan que visam responder perguntas visuais em sistemas de IA.

Uma olhada na otimização descentralizada e no método de gradiente projetado descentralizado.

Novos métodos melhoram a agilidade e o controle de robôs com pernas em tarefas desafiadoras.

Uma nova técnica melhora a performance do modelo em dados não vistos usando menos exemplos de treino.

Aprenda como gráficos melhoram a análise de dados em várias áreas.

Novo conjunto de dados melhora a detecção de vulnerabilidades de software usando deep learning.

Um novo método melhora os modelos gráficos ao incluir informações de covariáveis pra uma precisão melhor.

Um novo método pra reconhecer ações usando dados de esqueleto sem rótulos.

O CompoundE3D melhora as previsões de gráficos de conhecimento usando múltiplas transformações.

Usando machine learning pra melhorar previsões em estruturas de engenharia sob cargas móveis.

Explore técnicas para soluções eficientes em problemas de otimização.

CapsFlow usa redes de cápsulas pra melhorar o rastreamento de movimento em visão computacional.

Fair-CDA melhora a justiça em machine learning sem abrir mão da precisão das previsões.

O Q-DETR melhora a precisão na detecção de objetos usando técnicas de quantização eficientes.

Uma olhada em como o YOLO mudou a detecção de objetos ao longo do tempo.

Um novo método para valorização de dados usando valores de Shapley em modelos KNN.

Novos métodos melhoram a confiança e a confiabilidade em redes neurais convolucionais.

Um novo método pra classificar materiais usando tecnologia de imagem térmica.

SemanticSTF oferece dados essenciais para reconhecimento de objetos em condições climáticas adversas.

Esse método usa técnicas de kernel pra encontrar estados fundamentais em sistemas quânticos de forma eficiente.

Pesquisas mostram que atrasos de tempo melhoram a eficiência e o desempenho da computação em reservatórios.

Usando a teoria de matrizes aleatórias pra melhorar a performance de redes neurais profundas.