Artigos mais recentes para Ciência de Dados

Novas técnicas para aproximações rápidas de matrizes de kernel usando métodos de Chebyshev e tensor train.

Explore o impacto de dados fora da distribuição no desempenho de aprendizado de máquina.

LayerShuffle melhora a robustez das redes neurais ao permitir uma execução flexível das camadas.

O RealMLP melhora a eficiência do aprendizado de máquina na análise de dados tabulares.

Um novo framework aumenta o desempenho do modelo com dados limitados.

Uma abordagem nova melhora a detecção de comunidade em redes esparsas e desequilibradas.

Aprenda a estimar entropia enquanto gerencia recursos de memória limitados.

Modelos de difusão mascarada mostram potencial em modelagem generativa para texto e imagens.

Uma nova abordagem pra melhorar a confiabilidade das previsões em machine learning.

Um novo método melhora a busca por expressões matemáticas a partir de dados.

Apresentando um novo método para redes neurais bayesianas que melhora a modelagem de incerteza.

Explorando o potencial dos KAHMs no aprendizado federado pra melhorar a privacidade e a eficiência.

Analisando como a invariância impacta o desempenho do modelo em aprendizado por transferência.

Esse método melhora a seleção de dados na otimização bayesiana, aumentando a eficiência e os resultados.

Novas técnicas melhoram a velocidade de treinamento para modelos de recomendação de deep learning.

Analisando o papel das técnicas de dropout em melhorar a justiça nos DNNs.

Esse artigo explora a sobreparametrização e seu impacto na eficiência do treinamento de modelos.

Este estudo avalia técnicas de análise de sobrevivência usando conjuntos de dados simples com dados faltando.

Esse estudo mostra como métodos de conjunto melhoram a qualidade das sugestões em sistemas de recomendação.

Este artigo explora maneiras de avaliar melhor a calibração do modelo e a precisão preditiva.

Um estudo sobre métodos para prever casos de dengue usando várias técnicas estatísticas e de aprendizado de máquina.

O FlowLearn melhora a compreensão de fluxogramas para modelos avançados com diagramas científicos e simulados.

Descubra como subespaços aleatórios melhoram a generalização de modelos em aprendizado de máquina.

Uma nova abordagem melhora a clareza das perguntas geradas a partir de imagens.

Técnicas de aprendizado de máquina melhoram as previsões de estruturas cristalinas a partir de padrões de difração eletrônica.

Analisando o progresso e os obstáculos no processamento das línguas cazaque, uzbeque, quirguiz e turcomena.

Melhorando a confiança e a conformidade em modelos de linguagem através de atribuição precisa de fontes.

Analisando como a ordem dos dados afeta a memória em modelos de linguagem recorrentes.

Um novo método gera dados sintéticos pra melhorar a detecção de resultados falsos.

Uma nova estrutura melhora a classificação de imagens médicas por IA, lidando com vieses e esquecendo informações desatualizadas.

Apresentando um modelo que mistura transformações baseadas em árvore pra gerar resultados eficazes.

Explorando como o aprendizado de máquina melhora a análise do Fundo Cósmico de Micro-ondas.

Um novo padrão avalia as habilidades de raciocínio temporal de grandes modelos de linguagem.

Apresentando novos solucionadores para transporte ótimo eficiente em aprendizado de máquina.

Um novo método melhora a segmentação de imagens médicas usando aprendizado semi-supervisionado.

SBoRA melhora o ajuste fino para grandes modelos de linguagem, economizando recursos e melhorando o desempenho.

Analisando como o treinamento influencia o desempenho do modelo em situações adversas.

Um novo método melhora o reconhecimento de emoções mesmo com dados incompletos.

Novas técnicas melhoram a estimativa de posição da cabeça a partir de imagens frontais únicas.

Um estudo sobre como combinar atualizações para modelos de linguagem de forma eficaz.