9497 articles
Cet article propose un réseau hybride quantique-attentif (Quantum AS-DeepOnet) capable de résoudre des équations d'évolution 2D avec une précision comparable aux méthodes classiques tout en réduisant le nombre de paramètres entraînables de 40 %.
Cette étude propose une nouvelle attaque par empoisonnement furtif ciblant le processus de raisonnement des modèles de langage médicaux lors du fine-tuning supervisé, démontrant que l'injection de rationales erronées dans des données few-shot dégrade efficacement la précision sur des sujets spécifiques sans déclencher d'oubli catastrophique ni être facilement détectable.
Cet article propose NCR-HoK, un modèle d'apprentissage profond basé sur les hypergraphes qui prédit la robustesse de la contrôlabilité des réseaux en exploitant pour la première fois les relations d'ordre supérieur, surpassant ainsi les méthodes existantes en précision et en efficacité computationnelle.
Cet article propose une stratégie de mise à l'échelle des distances guidée par les étiquettes (LDS) qui exploite la sémantique des étiquettes comme signal de supervision lors des phases d'entraînement et de test pour améliorer significativement la classification de texte en contexte de few-shot learning.
Ce papier présente PRISM, un modèle fondamental EEG qui démontre qu'un préentraînement sur des données géographiquement diversifiées génère des représentations plus adaptables et cliniquement robustes pour le diagnostic différentiel que les modèles entraînés sur des corpus étroits, tout en révélant des incohérences critiques dans les protocoles d'évaluation actuels.
Le papier présente NETRA, un cadre de transformateur graphique multimodal qui, en intégrant diverses données omiques et réseaux biologiques, améliore significativement la priorisation des gènes responsables de la maladie d'Alzheimer par rapport aux méthodes centrality traditionnelles grâce à un mécanisme d'attention contextuelle.
Cette étude comparative évalue l'UMAP supervisé et d'autres méthodes de réduction de dimension, révélant que si l'UMAP supervisé excelle en classification, il présente des limites significatives pour intégrer l'information de réponse dans des contextes de régression.
Cet article propose la perte ajustée temporellement (TAL), une méthode qui atténue l'oubli catastrophique et le biais de prédiction dans l'apprentissage incrémental de classes en rééquilibrant dynamiquement la supervision négative grâce à un noyau de décroissance temporelle pour corriger le déséquilibre temporel entre les anciennes et les nouvelles classes.
Ce papier propose Q-LoRA, une méthode de fine-tuning quantique pour la détection de contenu généré par l'IA en régime few-shot, et introduit sa variante classique H-LoRA qui, en imitant les structures de phase et les contraintes de norme des réseaux quantiques, atteint des performances supérieures à LoRA standard avec un coût computationnel réduit.
Cette étude théorique établit les conditions nécessaires au succès de la reconnaissance vocale non supervisée, dérive une borne d'erreur de classification qui valide une nouvelle fonction de perte d'entropie croisée au niveau de la séquence, et propose ainsi une méthode d'apprentissage en une seule étape pour ce domaine.
Cet article propose un cadre d'inférence causale topologique qui quantifie les effets de traitement via des différences structurelles dans les espaces non euclidiens, en utilisant des fonctions de silhouette pondérées par la puissance de diagrammes de persistance et un estimateur doublement robuste pour tester l'hypothèse nulle d'absence d'effet.
Cet article révèle que, dans les réseaux sur-paramétrés soumis à du bruit d'étiquetage, la descente de gradient stochastique sépare géométriquement le signal du bruit dans des sous-espaces spectrales distinctes, permettant ainsi une amélioration de la généralisation par une troncature spectrale post-hoc qui élimine les composantes de bruit à haute fréquence.
Cet article propose un système de demande neuronal flexible intégrant la formation d'habitudes et des contraintes de rationalité pour estimer les parts budgétaires, démontrant par des simulations et une application empirique sur des données de Dominick's que ce modèle améliore significativement la précision des prévisions et la mesure des pertes de bien-être par rapport aux modèles statiques.
Cet article propose des cartes de préconditionnement réversibles pour améliorer la condition du covariance des distributions intermédiaires dans l'apprentissage par flux et score, permettant ainsi de surmonter les plateaux d'optimisation causés par un mauvais conditionnement et d'obtenir des modèles génératifs mieux entraînés.
Les auteurs présentent le « Large Electron Model », un réseau de neurones unique basé sur l'architecture Fermi Sets qui prédit avec précision les états fondamentaux de systèmes d'électrons en interaction pour divers nombres de particules et couplages, offrant ainsi une alternative puissante à la théorie de la fonctionnelle de la densité pour la découverte de matériaux.
Cette étude analyse l'application de la planification par diffusion (Diffusion-MPC) au domaine discret du Tetris, démontrant que le masquage des contraintes de faisabilité est essentiel pour améliorer les performances, tandis que l'alignement imparfait des critiques et l'accumulation d'incertitude sur des horizons longs limitent l'efficacité de la méthode.
Cet article propose deux architectures d'apprentissage profond de type encodeur-décodeur capables d'inférer simultanément la topologie des réseaux de mobilité et les paramètres épidémiques à partir de séries temporelles, surpassant ainsi les méthodes existantes et comblant une lacune majeure dans la modélisation des épidémies à grande échelle.
Cet article propose un algorithme d'apprentissage d'une stratégie de recherche optimale pour un problème de stationnement avec un processus de Poisson inhomogène inconnu, qui atteint une régression logarithmique en estimant l'intensité de saut intégrée, une performance prouvée comme optimale par une borne inférieure minimax.
Ce papier présente RO-N3WS, un nouveau jeu de données de parole roumaine diversifié conçu pour améliorer la généralisation des systèmes de reconnaissance automatique de la parole dans des conditions à ressources limitées, démontrant que même un ajustement fin limité sur ces données réelles entraîne des réductions significatives du taux d'erreur de mots par rapport aux modèles de base en zéro-shot.
CUCo est un cadre agentic sans entraînement qui automatise la génération de noyaux CUDA haute performance en co-optimisant conjointement le calcul et la communication, réduisant ainsi la latence globale jusqu'à 1,57 fois par rapport aux approches existantes.