Artigos mais recentes para Aprendizado de Máquina

Um novo método torna o uso de modelos de linguagem grandes em dispositivos móveis mais eficiente.

Um jeito de melhorar como os modelos de aprendizado de máquina lidam com dados novos.

Este artigo explora a quantização zero-shot e suas aplicações em imaging infravermelho.

O ConVis quer diminuir as imprecisões em modelos de linguagem grandes multimodais.

Uma nova abordagem melhora a detecção de objetos em nuvens de pontos 3D para carros autônomos.

Um novo método pra melhorar a precisão na extração de relações em modelos de linguagem grandes.

Uma análise detalhada dos métodos para estimar operadores de covariância bandados e esparsos.

Um novo método combina lógica e aprendizado de máquina pra fazer consultas SQL melhores.

Um novo método pra identificar com confiança as melhores escolhas a partir de dados barulhentos.

Transfer learning melhora modelos de deep learning em comunicação sem fio com menos dados.

Soft-IntroVAE melhora os VAEs com aprendizado prévio pra gerar dados melhores.

Um novo método pra reduzir parâmetros e acelerar o treinamento em redes neurais.

Novos conjuntos de dados e modelos melhoram a qualidade dos dados LiDAR em mau tempo.

Novos conjuntos de dados e métodos de treinamento melhoram o reconhecimento de texto em ambientes urbanos.

Uma visão geral de curvas, funções quadradas e sua relevância em várias áreas.

Uma abordagem nova melhora como robôs quadrúpedes andam em terrenos variados.

Novos métodos melhoram o diagnóstico de disgrafia combinando dados de caligrafia.

A estrutura PoEM avalia modelos de linguagem sem precisar de rótulos precisos.

Um novo framework junta aprendizado profundo com estatística semiparamétrica pra uma análise de dados mais eficiente.

LV-UNet oferece segmentação eficiente de imagens médicas para aplicações em tempo real.

A pesquisa compara técnicas para analisar dados de sensores de veículos ao longo de 2,5 anos.

Pesquisadores usam modelos avançados pra melhorar nossa compreensão das primeiras estrelas do Universo.

Este estudo avalia como pequenas mudanças impactam as respostas de modelos de linguagem.

RoboMNIST ajuda robôs a reconhecer várias atividades usando WiFi, vídeo e áudio.

Um estudo sobre análise de sentimento e a eficácia dos modelos de linguagem.

A SynthDoc cria documentos sintéticos pra aprendizado de máquina em leitura de documentos.

Um novo método usando AutoSparse pra poda eficiente de redes neurais desde o começo.

Essa pesquisa mostra como os robôs aprendem tarefas complexas através de treinamento no mundo real.

A RSTeller oferece mais de 2,5 milhões de pares de imagem e texto para pesquisa em sensoriamento remoto.

O TART melhora a precisão do modelo enquanto defende contra ataques adversariais.

Função de perda inovadora melhora a precisão da previsão de CQI em ambientes dinâmicos de 5G.

Galley simplifica a programação com tensores esparsos, melhorando a eficiência e o desempenho.

Usando completude de matriz pra melhorar a precisão de dados de séries temporais.

Um novo método aumenta a eficiência em modelos de linguagem grandes usando esparsidade de ativação.

A deriva localizada é um desafio para modelos preditivos em fluxos de dados que mudam.

Saiba a importância de acompanhar mudanças nos dados para resultados confiáveis em machine learning.

Um olhar sobre como a Destilação de Conhecimento melhora a velocidade e eficiência dos sistemas de recomendação.

Explorando como o aprendizado multitarefa afeta o desempenho e a generalização do modelo.

Novo método melhora a compreensão de imagem em modelos de visão computacional aplicando regras físicas.

Analisando dependências e efeitos médios pra melhorar a precisão da modelagem.