会员服务
机器学习（Machine Learning）是一个研究计算学习方法的国际论坛。该杂志发表文章，报告广泛的学习方法应用于各种学习问题的实质性结果。该杂志的特色论文描述研究的问题和方法，应用研究和研究方法的问题。有关学习问题或方法的论文通过实证研究、理论分析或与心理现象的比较提供了坚实的支持。应用论文展示了如何应用学习方法来解决重要的应用问题。研究方法论文改进了机器学习的研究方法。所有的论文都以其他研究人员可以验证或复制的方式描述了支持证据。论文还详细说明了学习的组成部分，并讨论了关于知识表示和性能任务的假设。 官网地址：http://dblp.uni-trier.de/db/journals/ml/
Machine Learning and Public Health: Identifying and Mitigating Algorithmic Bias through a Systematic Review
Arxiv
0+阅读 · 10月16日
DEXTER: Diffusion-Guided EXplanations with TExtual Reasoning for Vision Models
Arxiv
0+阅读 · 10月16日
Multi-modal video data-pipelines for machine learning with minimal human supervision
Multi-modal video data-pipelines for machine learning with minimal human supervision
Arxiv
0+阅读 · 10月16日
Concepts for designing modern C++ interfaces for MPI
Arxiv
0+阅读 · 10月16日
Parameter Identification for Partial Differential Equation with Jump Discontinuities in Coefficients by Markov Switching Model and Physics-Informed Machine Learning
Arxiv
0+阅读 · 10月16日
Incentive-Based Federated Learning
Arxiv
0+阅读 · 10月16日
RHINO: Guided Reasoning for Mapping Network Logs to Adversarial Tactics and Techniques with Large Language Models
Arxiv
0+阅读 · 10月16日
AI-Powered Early Diagnosis of Mental Health Disorders from Real-World Clinical Conversations
AI-Powered Early Diagnosis of Mental Health Disorders from Real-World Clinical Conversations
Arxiv
0+阅读 · 10月16日
Lost in the Averages: A New Specific Setup to Evaluate Membership Inference Attacks Against Machine Learning Models
Arxiv
0+阅读 · 10月16日
FedPPA: Progressive Parameter Alignment for Personalized Federated Learning
Arxiv
0+阅读 · 10月16日
Secure Sparse Matrix Multiplications and their Applications to Privacy-Preserving Machine Learning
Secure Sparse Matrix Multiplications and their Applications to Privacy-Preserving Machine Learning
Arxiv
0+阅读 · 10月16日
Joint Modeling of Big Five and HEXACO for Multimodal Apparent Personality-trait Recognition
Arxiv
0+阅读 · 10月16日
Why do explanations fail? A typology and discussion on failures in XAI
Arxiv
0+阅读 · 10月16日
REX: Causal discovery based on machine learning and explainability techniques
Arxiv
0+阅读 · 10月16日
A Methodology for Assessing the Risk of Metric Failure in LLMs Within the Financial Domain
Arxiv
0+阅读 · 10月16日
参考链接
父主题
Springer
人工智能
微信扫码咨询专知VIP会员
Top