Artigos mais recentes para Ciência de Dados

Uma abordagem pra melhorar as recomendações pros usuários, misturando o que eles já conhecem com opções novas.

Um novo método combina árvores de decisão e transformers pra melhorar a tomada de decisão.

Um novo método usa estados internos pra ter mais precisão em LLMs.

O Triplet Graph Transformer melhora a previsão das propriedades moleculares por meio da comunicação direta entre átomos.

Aprenda como novas técnicas melhoram a eficiência de grandes modelos de aprendizado de máquina.

Novos métodos melhoram a eficiência de amostra e a velocidade no aprendizado por reforço.

Este estudo investiga ataques adversariais em aprendizado profundo, focando no desempenho de redes neurais convolucionais (CNN).

Text2Data melhora a geração de dados usando fontes rotuladas e não rotuladas de forma eficaz.

Destaques da pesquisa mostram que os dados de medicação ajudam a melhorar a precisão da codificação ICD.

Um novo método melhora a precisão do modelo ao lidar com rótulos ruidosos no aprendizado federado.

Analisando como os GFlowNets se generalizam para áreas não testadas e seu potencial de aplicação.

Novos métodos melhoram a clareza das previsões de aprendizado de máquina.

Este artigo examina como redes neurais gerenciam recursos para tarefas complexas.

Este estudo melhora o desempenho de GNN através de explicações de gráfico eficazes.

Um estudo explora novos métodos para modelos de deep learning se adaptarem a dados que mudam.

Um novo método melhora os motores de busca usando imagens para sugestões de pesquisa.

Um método pra melhorar a seleção de recuperadores densos usando LLMs sem precisar de rótulos.

O BOWLL define um novo padrão para sistemas de aprendizagem adaptativa.

Uma nova abordagem que junta modelos tradicionais com aprendizagem de máquina melhora as previsões de infecções.

RC-GNN melhora a interpretabilidade e a precisão preditiva do GNN com métodos inovadores.

Estudo aponta problemas que afetam a justiça nas explicações de IA entre diferentes grupos.

Esse estudo explora métodos pra melhorar o desempenho de classificadores em conjuntos de dados desbalanceados.

Um método novo prevê o comportamento de sistemas não lineares de controle afim de forma eficaz.

Apresentando o ApiQ pra melhorar o fine-tuning e a quantização de grandes modelos de linguagem.

Instruções mais longas melhoram o desempenho do modelo de linguagem e reduzem a complexidade.

Novo método melhora a confiabilidade das previsões do modelo em aplicações do mundo real.

Uma nova abordagem pra integrar diferentes insights culturais nos modelos de linguagem.

Apresentando um conjunto de dados pra testar a compreensão da IA sobre interações físicas com corpos macios e líquidos.

Apresentando o CAP pra melhorar a justiça e a eficiência nos modelos de aprendizado de máquina.

O Quilt melhora a classificação multi-classe nas máquinas quânticas de hoje.

Um novo método oferece insights mais claros sobre as previsões da GNN sem treinamento extra.

Essa pesquisa combina análise de Fourier com modelos de difusão pra gerar séries temporais melhores.

Um método que combina PCA e profundidade estatística melhora a detecção de outliers na análise de dados.

Explorando questões na criação de modelos e soluções de IA para tomada de decisão.

Um novo método pra buscas de programas de machine learning mais rápidas e melhores.

Um estudo sobre como ajustes de parâmetros podem melhorar o desempenho do algoritmo.

Analisando a relação entre compressão de dataset e robustez adversarial em deep learning.

Novas técnicas melhoram a inferência bayesiana em sistemas complexos e de alta dimensão.

O modelo A2GNN melhora o desempenho na adaptação do conhecimento gráfico em diferentes domínios.

Novo método otimiza a amostragem combinando-a com técnicas de otimização.