Neuste Artikel für DNN

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.