Neuste Artikel für Datenaugmentation

Dieser Artikel behandelt neue Methoden zur Verbesserung der Navigation in der Nähe von Asteroiden.

Verbesserung von Methoden zur Erkennung von Solarpanels durch Fernmeldetechnologie.

Dieser Artikel bespricht, wie LLMs neue Datensätze für Leseverständnis-Aufgaben erstellen können.

Neue Methode erzeugt kontrafaktische Beispiele für bessere Modellbewertung und -training.

Die ordnungserhaltende Konsistenzregularisierung verbessert die Modellleistung in verschiedenen Situationen.

Untersuchung von sozialen Vorurteilen im maschinellen Lernen, mit Fokus auf Sprache, Vision und Vision-Sprachmodelle.

Strategien zur Verbesserung der Interpretierbarkeit von KI-Systemen für ein besseres Verständnis.

Erforschen Sie Gibbs Sampling und Datenaugmentation in der statistischen Modellierung.

Eine neue Methode verbessert die Audio-Tagging-Leistung und Effizienz.

FDLS vereinfacht die Erstellung von realistischen digitalen Charakteranimationen mit Deep Learning.

Ein neues Modell verbessert die Erkennung seltener Kategorien in unausgeglichenen Datensätzen.

Studie zeigt, dass überwachte kontrastive Lernverfahren die Modellleistung über verschiedene Datensätze verbessert.

Ein neues Modell verbessert die Bilderkennung, indem es sich einzigartig an Veränderungen anpasst.

RLLTE bietet ein flexibles Framework, um Anwendungen für verstärkendes Lernen zu entwickeln und zu verbessern.

Neuer Ansatz verbessert Deep-Learning-Modelle für zuverlässige medizinische Bildsegmentierung.

Neue Techniken verbessern die Modellleistung mit begrenzten gekennzeichneten Daten.

Eine ordentliche Trennung der Daten verbessert die Genauigkeit der Lungenkrebsdiagnose mit Deep Learning.

Eine neue Methode verbessert die Generierung positiver Beispiele im selbstüberwachten Lernen.

Die Bedeutung von Feature-Normalisierung in nicht-kontrastiven Lern-Dynamiken erkunden.

BOD vereinfacht die Datenanalyse, indem es die Nutzer einbezieht, um wichtige Variablen zu bewerten.

Ein neues leichtgewichtiges Modell verbessert die Tonhöhenschätzung mithilfe von selbstüberwachten Lerntechniken.

Forschung verbessert die Kraftvorhersage in der robotergestützten Chirurgie mithilfe von visuellen Daten und maschinellem Lernen.

Eine Deep-Learning-Methode verbessert die Erkennung von Nierenproblemen in medizinischen Bildern.

Untersuchung von Fairness und Genauigkeit bei der Erkennung von verletzlichen Verkehrsteilnehmern durch autonome Fahrzeuge.

NAG2G verbessert den Prozess zur Vorhersage von Reaktanten für die Verbindungen-Synthese.

Ein neuer Ansatz verbessert NLP-Modelle gegen Angriffe durch gezielte Paraphrasierung.

Ein neues KI-Framework verbessert die Erkennung von Augenerkrankungen durch verbesserte Bildgebungstechniken.

Neue Methoden zielen darauf ab, die Pneumonie-Diagnose für die Lungengesundheit von Kindern zu verbessern.

FrameFlow fördert das Design von Proteinen, indem es die Vielfalt und Funktionalität von Gerüsten verbessert.

Diese Studie untersucht, wie ML die Variablenauswahl in symbolischer Berechnung verbessert.

Ein tiefer Einblick in Denoising Diffusion Modelle und deren Vereinfachung zur Verbesserung des Repräsentationslernens.

Ein selbstüberwachter Lernansatz verbessert die Nervenfaseranalyse in der Gehirnbildgebung.

Diese Arbeit untersucht, wie LLMs die Schwachstellenerkennung im Java-Code verbessern.

Mit ML-Methoden die Erkennung von Alzheimer durch Datenstrategien verbessern.

Forscher verbessern die Genauigkeit der Herzgeräuschklassifizierung mit Codec-Datenaugmentierungsmethoden.

CAMBranch verbessert die Optimierung in der gemischten ganzzahligen linearen Programmierung mit Techniken des maschinellen Lernens.

Forscher verbessern die Modellleistung, indem sie die Datenvielfalt durch neue Augmentierungsmethoden erhöhen.

Diese Studie verbessert die GNN-Leistung durch effektive Graph-Erklärungen.

Ein neuer Ansatz, um vielfältige kulturelle Einblicke in Sprachmodelle zu integrieren.

Verstehen, wie man zuverlässigere Machine-Learning-Systeme gegen feindliche Bedrohungen erstellt.