Toutes les news taguées avec ce sujet.
Un modèle en deux étapes infère l'expression génique à partir de biopsies histopathologiques pour prédire la réponse complète au traitement.
Les entreprises passent de la prévision statistique à des systèmes capables d'agir seuls sur leurs propres conclusions, sans dévier des objectifs métier.
Un nouveau papier explique pourquoi le gradient de politique exact perd face à l'entropie croisée, et propose une « horizon loss » qui comble l'écart.
Un nouveau benchmark et modèle unifiés pour modéliser les changements conformationnels de l'ARN, au-delà des structures statiques.
Un nouvel optimiseur quasi-Newton promet des courbures positives garanties et de meilleures pertes qu'Adam, Muon ou SOAP sur des problèmes mal conditionnés.
Une nouvelle technique filtre les erreurs du critique dans la distillation par correspondance de distribution, réduisant les artefacts visuels tout en accélérant la génération vidéo.
Une étude analytique révèle pourquoi le DFA peut se bloquer près d'un prédicteur constant, et propose des correctifs simples pour l'éviter.
Un nouveau modèle, DGD, apprend à prédire les comportements agrégés de populations en combinant mélanges gaussiens et rétroaction temporelle.
Un framework de deep learning embarqué détecte défauts et perturbations sur réseaux électriques 400 Hz d'avions, avec déploiement sur FPGA.
L'utilisation de l'IA pour résoudre un problème complexe relance le débat sur la nature de la preuve mathématique.
La méthode IIns-GAN génère des signaux sans fidèles pour l'entraînement des modèles, palliant le manque de données réelles.
Un réseau de neurones apprend les poids des stencils meshfree pour minimiser dispersion et dissipation, au-delà de la simple cohérence polynomiale.
Une étude identifie une divergence entre les directions de gradient et les mises à jour réelles des optimiseurs dans les PINNs.
Une étude explore comment des structures symboliques apparaissent spontanément dans les représentations internes des réseaux de neurones.
Un nouveau cadre d'apprentissage permet de transférer les modèles de résistance au gel des cépages vers des régions peu documentées.