Neuste Artikel für Faltungsneuronale Netzwerke

Forscher nutzen maschinelles Lernen, um Modelle der dunklen Energie zu analysieren und kosmologische Erkenntnisse zu verbessern.

Neuer Ansatz verbessert die Erkennung von schädlichem HTTP-Verkehr.

Diese Studie zeigt Methoden zur Echtzeiterkennung von Fussgängern mit begrenzter Rechenleistung.

KI einsetzen, um die Spikerkennung zu verbessern und bessere Ergebnisse für Patienten bei Hirnoperationen zu erzielen.

Eine Analyse von CNNs und Vision Transformern für die Erkennung von ausserhalb des Bereichs.

Ein neuer Ansatz zur Objekterkennung mit effizienter Transformator-Architektur für ressourcenlimitierte Geräte.

Ein neuer Ansatz, um die Sicherheit gegen schädlichen Webverkehr zu verbessern.

SDLFormer kombiniert fortschrittliche Techniken für bessere MRI-Bildqualität und schnellere Verarbeitung.

Innovative Deep-Learning-Modelle verbessern die Erkennung und Reaktion auf DDoS-Angriffe.

Neue Techniken verbessern Vision Transformer für bessere Leistung mit kleinen Datensätzen.

Eine neue Methode verbessert die Bildkonvolution ohne Padding und steigert Qualität und Effizienz.

Das neue Modell SAMUS verbessert die Ultraschallbildsegmentierung für eine höhere klinische Genauigkeit.

Ein neuer Ansatz verbessert die fMRI-Analyse für eine bessere Diagnose von Gehirnerkrankungen.

Dieser Artikel untersucht Geschlechtervorurteile in Vision-Transformern im Vergleich zu CNNs.

Eine Methode, die Split Learning mit homomorpher Verschlüsselung kombiniert, verbessert den Datenschutz im maschinellen Lernen.

Ein Verfahren, das maschinelles Lernen auf verschlüsselten Daten ermöglicht, um die Privatsphäre der Nutzer zu schützen.

RingMo-lite verbessert die Analyse von Fernerkundungsbildern in Bezug auf Effizienz und Genauigkeit.

KI verbessert die Analyse von MRT-Scans zur Einstufung von Prostatakrebs.

Untersuchen, wie neuromorphe Computer die Effizienz der Satellitenkommunikation verbessern.

Diese Forschung untersucht Deep-Learning-Techniken, um die Verteidigung gegen Seitenkanalangriffe zu verbessern.

Diese Studie zeigt, wie Gehirnsignale Bilder rekonstruieren können, die von Personen gesehen wurden.

Vorstellung von GenePointNet: Eine neue Methode zur Analyse von RNA-Sequenzierungsdaten.

Verbesserung der Drohnenerkennung mit RF-Signalen und Machine-Learning-Techniken.

Ein semi-supervised Lernansatz verbessert die medizinische Bildsegmentierung mit begrenzten gekennzeichneten Daten.

Diese Studie hebt die Probenkomplexität von Neural Policy Mirror Descent Algorithmen im Deep Learning hervor.

DeepBEAS3D verbessert die medizinische Bildsegmentierung durch Benutzerinteraktion und Deep Learning.

LightTBNet ist ein effizientes Modell für die genaue TB-Erkennung in ressourcenarmen Umgebungen.

Eine Studie schlägt eine effiziente Methode vor, um Fett bei Kindern mithilfe von MRT zu messen.

Die Erforschung des Einflusses von maschinellem Lernen auf Phasenübergänge in der Physik.

Diese Studie analysiert, wie Deep-Learning-Modelle Gesichtsausdrücke im Vergleich zu Menschen erkennen.

Deep Learning verbessert die Genauigkeit bei der Erkennung von Darmpolypen.

Diese Studie untersucht Probleme bei der Verwendung von ConvNets zur Erstellung von Audio-Filterbänken.

Eine neue Methode verbessert die Erkennung von Defekten in magnetischen labyrinthartigen Strukturen.

Forscher verbessern die Genauigkeit der Herzgeräuschklassifizierung mit Codec-Datenaugmentierungsmethoden.

Ein neuer Ansatz verbessert das Herunterskalieren von Wetterdaten für genauere lokale Vorhersagen.

Die Kommunikation im Deep Learning durch klare visuelle Darstellungen revolutionieren.

BEFUnet verbessert die Genauigkeit bei der medizinischen Bildsegmentierung, indem es CNNs und Transformer kombiniert.

Diese Studie nutzt maschinelles Lernen, um Flammendynamik effektiv vorherzusagen.

Die Integration von digitalen Zwillingen und IoBNT in der Biotechnologie erkunden.

Forschung hebt Methoden hervor, um ATP-Bindungsstellen in Proteinen für die Arzneimittelentwicklung vorherzusagen.