Artigos mais recentes para Ciência de Dados

Uma olhada em como métodos compactos melhoram o ajuste dos dados para grandes conjuntos de dados.

O aprendizado auto-supervisionado melhora o desempenho do modelo com menos dados rotulados.

A SFPNet oferece recomendações que levam em conta o contexto pra melhorar a experiência de compras online.

Pesquisas mostram como LLMs podem limpar conjuntos de dados para tarefas de resumo.

O CLIMBER oferece buscas de similaridade eficientes e precisas em grandes séries de dados.

Um novo método melhora a confiabilidade das previsões de redes neurais em tarefas de regressão.

Um novo método resolve problemas em modelos de machine learning sem perder a precisão.

Aprendizado por transferência usa o conhecimento de uma área pra melhorar tarefas em outra.

Uma ferramenta melhora as previsões de sobrevivência para doenças como ALS e fibrilação atrial.

Combinar detecção de OOD com Previsão Conformal aumenta a confiabilidade do modelo.

Uma nova abordagem usando RGCNs melhora a classificação de sentimentos a partir de dados de texto.

Um novo método melhora a previsão de links ao lidar com dados barulhentos e incompletos.

Apresentando o TrainlessGNN pra rotulagem de nós mais rápida em TAGs sem os métodos tradicionais de treinamento.

Tiberius melhora a precisão da previsão de genes usando aprendizado profundo e contexto biológico.

Um novo método melhora a repetição de memória pra aprendizado de grafos enquanto garante a privacidade.

Este estudo melhora o reconhecimento de emoções através de métodos auto-supervisionados multimodais.

Uma visão geral de prompting e prefix-tuning em modelos de transformadores.

O MathWriting dá um gás na pesquisa em reconhecer expressões matemáticas manuscritas com amostras diversas.

Um novo conjunto de dados melhora as capacidades de VQA para texto em vietnamita em imagens.

Uma olhada em abordagens colaborativas inovadoras na pesquisa em neurociência.

Um jeito de adaptar modelos de aprendizado de máquina sem precisar dos dados de origem.

Um novo método identifica padrões incomuns em redes em evolução pra melhorar a detecção de anomalias.

O Modelo Mallows Agrupado melhora a forma como analisamos preferências em rankings.

Recursos diversos melhoram a capacidade dos modelos de identificar novas categorias de dados de forma eficaz.

Explore distribuições de probabilidade essenciais usadas em várias áreas e suas aplicações.

Novos métodos aumentam a precisão da previsão de séries temporais com uma análise de tokens melhorada.

Um novo conjunto de dados melhora a detecção de anomalias para a manutenção e performance de turbinas eólicas.

O RS3L melhora o treinamento de modelos usando técnicas de re-simulação em física de altas energias.

Este estudo compara modelos quânticos com os clássicos, revelando insights importantes.

Novo modelo melhora o aprendizado de máquina separando dados complexos em partes mais simples.

RLLC melhora os otimizadores tradicionais usando unidades de memória pra ter um desempenho melhor.

Explorando como modelos de transformador melhoram as previsões de propriedades moleculares em várias áreas.

Um novo método melhora a segmentação com poucos exemplos usando prompts visuais e mecanismos de atenção.

Aprenda como as distâncias estatísticas avaliam o desempenho de modelos generativos em várias áreas.

NCL melhora a interpretabilidade e o desempenho em tarefas de aprendizado de máquina.

Explorando o equilíbrio entre dados reais e gerados pra melhorar a performance de machine learning.

Um novo método identifica rapidamente características em imagens lunares sem precisar de muita intervenção humana.

Um novo modelo melhora o reconhecimento de atividades ao focar nas relações temporais entre as ações.

DPN melhora a previsão da taxa de cliques através da modelagem do comportamento dos usuários.

Um conjunto de dados que ajuda a melhorar o design de carros através de uma análise aerodinâmica detalhada.