Artigos mais recentes para Aprendizado de Máquina

Analisando incerteza através de modelos probabilísticos em várias áreas.

Analisando métodos pra reduzir a diferença entre duas funções submodulares na otimização.

Este artigo discute os desafios e as oportunidades dos LLMs de código aberto na manipulação de ferramentas.

O framework AD-NEv melhora a detecção de anomalias com abordagens inovadoras.

BMC ajuda a aprender de forma eficiente em várias tarefas enquanto mantém o conhecimento passado.

FairDP oferece uma solução pra garantir privacidade e justiça em sistemas de aprendizado de máquina.

Um método pra melhorar modelos de classificação de texto contra mudanças adversariais.

Este estudo analisa o quanto os modelos de linguagem conseguem entender advérbios escalares.

NODDLE junta node2vec e deep learning pra melhorar a precisão na previsão de links.

Uma nova abordagem melhora os sistemas de recomendação através de técnicas eficazes de amostragem negativa.

Uma olhada completa nos diferentes métricas de avaliação para métodos de XAI.

Robôs aprendem tarefas complexas mais rápido usando imitação e técnicas de planejamento avançadas.

Um novo método melhora o desempenho do modelo em meio a mudanças nas condições de dados.

Novo método melhora modelos de reconhecimento de fala enquanto reduz a perda de conhecimento.

Um novo método melhora a legendagem de imagens através de representações de imagem diversas.

Esse método melhora os dados de treino usando descrições em linguagem pra gerar variações de imagem.

Um novo método para a IA aprender continuamente sem esquecer as tarefas anteriores.

Um novo conjunto de dados enfrenta desafios no reconhecimento de escrita à mão com mais de 1,8 milhão de amostras.

Analisando como modelos de IA podem refletir preconceitos sociais em consultas de banco de dados.

Este artigo analisa estratégias para gerenciar o aprendizado de idiomas sem perder o conhecimento anterior.

Aproveitar semelhanças superficiais melhora muito o desempenho do modelo de linguagem.

Este artigo analisa o colapso de características em aprendizado de máquina e suas implicações.

Explorando o impacto da dependência de dados no desempenho da regressão linear.

Usando SAM pra mapear de forma eficiente as formas de relevo de Marte.

Pesquisadores desenvolvem um método usando aprendizado de máquina pra prever com precisão as propriedades moleculares.

Um novo framework combina design modular com aprendizado por reforço para correção de erros quânticos.

Uma nova ferramenta acelera a estimativa de parâmetros cosmológicos usando aprendizado de máquina.

Essa pesquisa analisa como os modelos de ML no Hugging Face relatam as emissões de carbono.

Usando GNNs pra analisar a geometria de 3-manifolds encanados.

Um novo método pra resumir debates de forma eficaz através da Análise de Pontos Chave.

Um novo método melhora a eficiência na evolução do tempo imaginário quântico usando técnicas estocásticas.

Uma olhada em como monitorar a justiça nas decisões algorítmicas.

Uma olhada nos métodos de regularização que melhoram a estabilidade na análise de dados.

Apresentando um método eficiente para transferir conhecimento em modelos de aprendizado de máquina.

Apresentando um novo método pra detectar anomalias em imagens usando difusão de desruído.

Essa pesquisa sugere otimizar neurônios individuais pra melhorar a performance da IA.

Uma olhada no erro de generalização e sua importância em algoritmos de aprendizado.

A pesquisa melhora as respostas das máquinas em conversas pessoais contínuas.

Pesquisas mostram fatores chave na influência da análise de logs na precisão da detecção de anomalias.

CKGC-CKD melhora a Completação de Grafos de Conhecimento aproveitando múltiplos GCs e alinhamentos iniciais.