Artigos mais recentes para Aprendizado de Máquina

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.

Uma nova abordagem pra estudar processos pontuais usando medidas aleatórias e análise funcional.

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

A AbstractBeam melhora a síntese de programas, aproveitando a geração de código eficiente através da Aprendizagem de Bibliotecas.

O aprendizado de máquina melhora a identificação de isótopos de raios cósmicos pra pesquisa espacial.

Apresentando um método eficaz baseado em árvore para classificação multirrótulo que lida com incertezas.

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.

Explorando o algoritmo de Q-learning em duas escalas de tempo no aprendizado por reforço de campo médio.

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

Um novo framework melhora a precisão e a eficiência da classificação de galáxias.

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.

ThReaD melhora o desempenho dos LLMs em tarefas complexas com a gestão dinâmica de threads.

Nova técnica melhora a precisão na estimativa de pose 3D, mesmo com dados faltando.

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

Aproveitando modelos de saída antecipada pra um aprendizado federado eficiente em sistemas de ASR.

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

Uma olhada em como modelar a incerteza com semigrupos de Markov imprecisos.

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.

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.

Uma nova abordagem usando transporte ótimo melhora a comparação de dados multivariados.

O GenWarp gera novas visões a partir de imagens únicas, mantendo os detalhes essenciais.

Apresentando um novo método que melhora a reconstrução de superfícies usando propriedades anisotrópicas.

Uma olhada nos métodos e desafios para prever conexões em redes dinâmicas.

Este estudo apresenta um método pra combinar imagens espectrais pra melhorar aplicações de aprendizado de máquina.

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

Um novo método melhora o desempenho do modelo usando dados com rótulos ruidosos.

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

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