Cet article de recherche propose une méthode pour détecter les vaisseaux sanguins rétiniens dans les images du fond d'œil en utilisant un ensemble de Réseaux Neuronaux Convolutifs Profonds. L'approche vise à améliorer la précision diagnostique grâce à l'analyse d'images avancée.
CAMO é uma nova técnica de ensemble otimizada para dados desbalanceados, que impulsiona classes minoritárias e melhora o desempenho geral. Avaliada em benchmarks com diferentes modelos de linguagem, CAMO consistentemente atinge a maior pontuação F1 macro, estabelecendo um novo padrão.
Une pipeline d'ensemble hiérarchique est proposée pour la détection d'anomalies dans les données de télémétrie multivariées de l'Agence spatiale européenne (ESA). Cette méthode, intégrant diverses techniques d'extraction de caractéristiques et de modélisation, fait preuve d'une forte généralisation et d'une efficacité dans la détection d'anomalies subtiles dans la télémétrie satellitaire.
L'article prouve qu'aucun classement de caractéristiques ne peut être simultanément fidèle, stable et complet en cas de colinéarité, car le classement des paires colinéaires se réduit à un pile ou face. Il résout cette impossibilité par l'agrégation d'ensembles (DASH), caractérise l'espace de conception d'attribution complet et quantifie le problème pour différentes classes de modèles.
DivSkill-SQL présente un cadre d'optimisation des compétences résiduelles pour construire des ensembles Text-to-SQL complémentaires, améliorant la précision en ciblant les contributions marginales à Pass@K. Il atteint des gains de précision significatifs sur Spider2-Lite pour Snowflake et BigQuery par rapport aux bases de référence d'ensemble existantes.