Toutes les news taguées avec ce sujet.
Un nouveau cadre basé sur le transport optimal permet d'isoler et d'analyser les facteurs d'efficacité du curriculum learning.
Une méthode basée sur le hessien et la différentiation automatique automatise la recherche d'orbites périodiques dans les systèmes dynamiques chaotiques.
Retour sur les débuts de l'IA et l'apprentissage du code à une époque précédant l'explosion du deep learning.
Waymo publie un bilan technique sur les enseignements en IA accumulés après 200 millions de miles en conduite autonome sans supervision.
Un cadre mathématique révèle comment de petites perturbations peuvent fausser les audits d'équité algorithmique basés sur le voisinage.
Cette méthode réduit l'espace de recherche des splits via des centroïdes informés par les données.
NVIDIA détaille le virage des systèmes de recommandation vers une approche générative inspirée des LLM, plutôt que la similarité d'embeddings classique.
Un nouvel algorithme, Hawkes-CT DDPG, permet le contrôle stochastique de processus non markoviens.
Une étude révèle que les méthodes classiques de validation surestiment la performance des modèles prédictifs de consommation de carburant en contexte maritime.
Un nouveau cadre statistique garantit des quantiles de survie cohérents, dévoilant des effets de covariables masqués par les modèles à risque unique.
Une nouvelle architecture de modèle surpasse les approches tabulaires classiques en préservant la structure des procédures séquentielles.
Un outil de visualisation cartographie les relations entre modèles de machine learning sous forme de graphe interactif en trois dimensions.
Une méthode pour apprendre une fonctionnelle d'énergie libre directement à partir de données 3D, capable de prédire des propriétés thermodynamiques complexes.
Une nouvelle technique convertit des données tabulaires en images en préservant les relations entre variables, avec des performances supérieures aux méthodes existantes.
Une étude systématique sur 560 modèles montre que la méthode de calibration des activations conditionne fortement la précision des prévisions de volatilité en quantification basse précision.
La plateforme utilise les contenus live pour le Machine Learning, sans consentement explicite.
Une méthode de fingerprinting dans le domaine des ondes permet de localiser précisément les équipements malgré les interférences.