Neuste Artikel für DNN

DeepSample bietet effektive Techniken, um Deep Neural Networks effizient und genau zu testen.

Neue Methode verbessert die Zuverlässigkeit von DNNs gegen kleine Bildverschiebungen.

Ein flexibles Speicherframework vorstellen, um Deep Learning Netzwerkbeschleuniger zu optimieren.

Dieser Artikel behandelt die Verwendung von tiefen neuronalen Netzen, um Meson-Eigenschaften vorherzusagen.

Eine schnelle Möglichkeit, die Leistung von DNN nach dem neuen Training zu bewerten.

Ein Framework, das die Leistung von DNNs in energiebegrenzten Umgebungen verbessert.

Neue Techniken verbessern die Überprüfung von tiefen neuronalen Netzen für sicherere Anwendungen.

Forscher verbessern die Messungen von hellen Sternen mit Hilfe von tiefen neuronalen Netzen.

Neue Methoden zur Annäherung an komplexe Funktionen aus begrenzten Daten tauchen auf.

Neue Methode verringert Backdoor-Bedrohungen in tiefen neuronalen Netzwerken.

Ein neuer Massstab verbessert die Offline-Mehrzieloptimierungsmethoden in verschiedenen Bereichen.

Die Verbesserung der DNN-Leistung durch effiziente Datensampling-Methoden.

Ein neuer Optimierer verbessert die Effizienz beim Ausführen von tiefen neuronalen Netzwerken auf GPUs.

FRED verbessert die Kommunikation für schnellere und effizientere Deep-Learning-Trainings.

Neue Methode verbessert die Leistung von spiking neuronalen Netzwerken bei Sprachaufgaben.

Dieses Papier präsentiert ein neues DNN-basiertes IDS in programmierbaren Netzwerken.

Diese Studie untersucht Deep-Learning-Modelle für genaue Reis-Mapping in Bhutan.

Die Kombination von Pruning und Quantisierung macht DNN-Effizienz für kleinere Geräte einfacher.

Erforschung der Optimierung von DNNs für Geräte mit begrenzter Energieversorgung.

Ein neues Framework geht die Fairness in tiefen neuronalen Netzwerken während der Modellpruning an.

Eine Studie zeigt wichtige Unterschiede darin, wie Menschen und KI Bilder repräsentieren.

Untersuchung der Rolle von Dropout-Techniken zur Verbesserung der Fairness in DNNs.

SPOGA beschleunigt tiefe neuronale Netzwerke mit verbesserter Geschwindigkeit und Energieeffizienz.

Ein Blick darauf, wie man die Nutzung von FPGAs in DNN-Anwendungen mit neuen Techniken verbessern kann.

Edge-Computing verbessert die Geschwindigkeit und Effizienz in mobilen Apps mit KI.

Eine neue Methode verbessert die Effizienz von Deep Learning für Edge-Geräte.

Ein tiefer Blick darauf, wie wir und Maschinen Objekte erkennen.

Eine neue Methode verbessert das Testen von tiefen neuronalen Netzwerken, indem sie sich auf die Gesamtleistung konzentriert.

Wir stellen DUCD vor, eine datenschutzorientierte Methode, um DNNs vor gegnerischen Angriffen zu schützen.

HYDRA verbessert die Effizienz von tiefen neuronalen Netzen für ressourcenlimitierte Edge-Geräte.

HESSO vereinfacht die Modellkompression und macht neuronale Netzwerke effizienter, ohne die Leistung zu verlieren.

Eine Studie zeigt, dass Farbvariationen bei Proben die tiefen neuronalen Netzwerke bei der Krebsprognose behindern.

Diese Forschung untersucht Methoden zur Speicherreduktion für das Training von tiefen neuronalen Netzwerken.

Optimierung von DNNs mit Zweierpotenzen-Quantisierung für ressourcenlimitierte Geräte.

AIMC-Chips zeigen vielversprechende Ansätze, um KI vor schlauen Angriffen zu schützen.

Eine neue Strategie, um mehrere Aufgaben in tiefen neuronalen Netzwerken anzuvisieren.

Diese Studie misst die Unsicherheit in Modellvorhersagen, um täuschende Designmuster zu erkennen.

Entdecke, wie B3FA-Angriffe tiefe neuronale Netzwerke mit minimalem Wissen gefährden.

Lerne, wie man überprüft, ob neuronale Netzwerke mit Datenänderungen genau bleiben.

Neue Techniken verbessern die Erkennung von Pflanzenkrankheiten für Landwirte mit Drohnen und KI.