11785 articles
Ce papier propose REMIND, un cadre unifié qui aborde l'apprentissage multimodal médical sous-jacent à des données manquantes en traitant la distribution à longue traîne des combinaisons de modalités via une architecture de mélange d'experts spécialisée par groupe et une optimisation robuste pour améliorer les performances des combinaisons sous-représentées.
Ce papier propose BiJEPA, une architecture d'apprentissage auto-supervisé bi-directionnelle qui améliore l'apprentissage de représentations symétriques en imposant une régularisation de norme pour garantir une stabilité et une convergence efficaces sur divers types de données.
Le papier présente LitBench, un outil de benchmarking centré sur les graphes qui permet de créer, d'entraîner et d'évaluer des modèles de langage spécialisés dans le domaine littéraire, démontrant que ces modèles de petite taille peuvent rivaliser avec des modèles d'état de l'art grâce à l'exploitation de sous-graphes de connaissances spécifiques.
Cet article présente RBF-Gen, un cadre de modélisation par substitut guidé par les connaissances qui intègre efficacement l'expertise métier aux données limitées via un réseau générateur et des fonctions de base radiales, permettant d'obtenir une précision prédictive supérieure pour l'optimisation de la conception mécanique et des procédés de fabrication.
Le papier présente Mag-Mamba, un cadre innovant qui résout le défi de l'asymétrie spatio-temporelle couplée dans la recommandation de lieux d'intérêt (POI) en modélisant les transitions comme des dynamiques de rotation pilotées par la phase dans le domaine complexe, grâce à un encodeur de phase magnétique conditionné par le temps et un module Mamba à valeurs complexes.
Ce papier présente l'Expert Divergence Learning, une nouvelle stratégie de pré-entraînement qui utilise une perte auxiliaire basée sur la divergence de Jensen-Shannon pour encourager la spécialisation fonctionnelle des experts dans les modèles de type MoE, réduisant ainsi l'homogénéisation et améliorant les performances sans surcoût computationnel significatif.
Ce papier présente M3-AD, un cadre unifié et des ressources de données conçus pour améliorer la détection d'anomalies industrielles en intégrant un mécanisme d'auto-correction réflexif au sein des modèles multimodaux de grande taille.
Cette étude démontre que, dans le contexte de la détection du Parkinson prodromique par IRMf avec des données extrêmement limitées, l'évaluation au niveau du sujet révèle une généralisation bien plus fiable des modèles légers comme MobileNet V1 par rapport aux architectures profondes, contrairement aux évaluations au niveau des images qui induisent une fuite d'information et des résultats trompeurs.
Cette étude démontre que le fine-tuning de modèles de langage sur des données de domaine contenant des informations personnelles identifiables (PII) compromet gravement leur sécurité en réduisant les refus et en augmentant les fuites de données, même lorsque les requêtes sont hors contexte.
Cet article soutient que les capacités et les propensions des systèmes d'IA sont des propriétés dispositionnelles nécessitant une approche de mesure scientifique rigoureuse, fondée sur la causalité et les contre-factuels, qui contraste avec les pratiques d'évaluation actuelles se limitant souvent à la performance observable.
Cet article détermine la largeur minimale requise pour que les réseaux de neurones -adiques utilisant une fonction d'activation analogue au ReLU possèdent la propriété d'approximation universelle pour les fonctions continues à valeurs dans sur des sous-ensembles compacts ouverts, selon les normes et .
Cet article propose un cadre récurrent à portes cohérentes en représentation (RC-GRF) qui, grâce à une stratégie de régularisation novatrice assurant la stabilité temporelle des états cachés, améliore la robustesse et la généralisation des modèles de classification de séries temporelles médicales bruyantes et incomplètes.
Ce papier propose le cadre Certainty-Validity (CVS) pour évaluer les systèmes à engagement discret, révélant que leur incapacité à dépasser un plafond d'ambiguïté n'est pas un échec mais une fonctionnalité protectrice contre les hallucinations, et plaide pour une optimisation basée sur la validité plutôt que sur la simple précision.
Cette étude révèle que, bien que les grands modèles de langage cliniques reconnaissent systématiquement les préférences des patients, leur capacité à adapter leurs recommandations en conséquence reste limitée, soulignant un écart de sensibilité aux valeurs que des stratégies d'atténuation peuvent partiellement réduire.
Cet article démontre que l'intégration explicite de l'angle d'aspect dans les classificateurs de profils de portée haute résolution (HRRP) améliore significativement la précision, même lorsque cet angle est estimé en ligne via un filtre de Kalman, validant ainsi une approche plus réaliste et performante.
Cette étude compare systématiquement les réseaux de neurones récurrents (RNN) et les modèles de type transformer pour la modélisation des matériaux composites, révélant que les RNN surpassent les transformers en précision et en capacité d'extrapolation sur des jeux de données limités, tandis que les transformers offrent une vitesse d'inférence sept fois supérieure.
Cet article présente un modèle de substitution adaptatif guidé par l'incertitude, combinant XGBoost et des réseaux de neurones convolutifs, pour prédire efficacement l'évolution spatio-temporelle de la solidification dendritique tout en réduisant considérablement le nombre de simulations de champ de phase coûteuses et leur empreinte carbone.
Cette étude propose un cadre basé sur un graphe de connaissances qui unifie des sources de données hétérogènes pour améliorer la prédiction des réactions indésirables aux médicaments et l'analyse comparative de l'efficacité chez 400 inhibiteurs de protéines kinases, servant ainsi d'outil complémentaire pour la pharmacovigilance et la génération d'hypothèses.
Cet article rejette l'hypothèse selon laquelle les preuves de profilage sont probantes de la culpabilité d'un accusé dans un crime spécifique, en démontrant par une analyse probabiliste qu'elles ne soutiennent qu'une hypothèse générique, contrairement aux preuves spécifiques au cas.
Ce papier présente SEval-NAS, une méthode d'évaluation agnostique de la recherche qui convertit les architectures neuronales en vecteurs pour prédire des métriques de performance matérielles (comme la latence et la mémoire) et s'intègre facilement dans des algorithmes de recherche existants.