Neuste Artikel für Tiefe Neuronale Netzwerke

FlexCHarts passt Suchräume für tiefe neuronale Netze an, um Effizienz und Leistung zu steigern.

Strategien erkunden, um Machine-Learning-Modelle gegen schädliche Datenangriffe zu verbessern.

Ein Blick auf RGDs Einfluss auf die Modellleistung und Generalisierung.

Dieser Artikel behandelt Techniken, um Genauigkeit und Privatsphäre in Machine-Learning-Modellen zu erreichen.

Eine neue Methode verbessert die Zellannotation in der Einzelzell-Genomik.

Die Verbesserung der Sprachklarheit durch effektive Echo-Unterdrückungstechniken und maschinelles Lernen.

ReDy optimiert die Effizienz von Deep Learning durch dynamische Quantisierung und senkt den Energieverbrauch.

Ein tiefer Blick auf überwachte kontrastive Verluste und ihren Einfluss auf tiefe neuronale Netze.

Eine Methode, um Fehler bei der Umwandlung von DNN-Modellen zu finden und zu beheben.

Untersuchen, wie endliche Lyapunov-Exponenten die Empfindlichkeit von Netzwerken gegenüber Eingangsänderungen aufdecken.

Wir stellen LWALM vor, um effektive Fussgängerattributerkennung auf ressourcenschwachen Geräten zu ermöglichen.

Die Forschung präsentiert effiziente Modelle zur Vorhersage der Schiffsorientierung mithilfe von Deep-Learning-Techniken.

AIMC steigert die Effizienz in tiefen neuronalen Netzen, indem es Daten direkt im Speicher verarbeitet.

Untersuchen, wie BadNets Spam-Filter mit Hintertür-Taktiken ausnutzen.

PLiNIO vereinfacht die Optimierung von tiefen neuronalen Netzwerken für mobile und Edge-Geräte.

Forscher untersuchen Abwehrmassnahmen gegen schädliche Backdoor-Angriffe auf Machine-Learning-Modelle.

Ein neues Verfahren verbessert Lösungen für komplexe Mehrskalenprobleme mithilfe von neuronalen Netzen.

Diese Studie vergleicht Methoden zum Umgang mit hoch-kardinalen kategorialen Variablen im Machine Learning.

Innovative Methoden verbessern die Trainingseffizienz bei tiefen neuronalen Netzwerken.

Einsatz von tiefen neuronalen Netzen zur Analyse von Wärmeleitungsdaten und zur Identifizierung potenzieller Funktionen.

Ein neuer Ansatz verbessert Deep-Learning-Modelle für nichtparametrische Regression durch adversariales Training.

Eine neue Methode verbessert die DNN-Leistung für echte Anwendungen.

Untersuchen der Bedeutung und Techniken der Routenprognose in Lieferservices.

Fortschritte in DNNs zielen darauf ab, die Effizienz von IoT-Geräten zu verbessern.

Dieser Artikel bespricht die Vorteile und Herausforderungen von STT-MRAM für tiefe neuronale Netzwerke.

Eine neue Schicht verbessert die Widerstandsfähigkeit von DNNs gegen subtile Eingabeveränderungen.

Ein Fokus auf Vertrauenswürdigkeit in KI-Systemen für zuverlässige 6G-Kommunikation.

Jade verbessert die Videoqualität durch Nutzerfeedback und adaptive Streaming-Techniken.

Kombination von DNNs und SNNs mit homomorpher Verschlüsselung, um die Datensicherheit zu gewährleisten.

CLLD verbessert die Fahrspur-Erkennung unter schwierigen Bedingungen mit selbstüberwachtem Lernen.

Untersuchen, wie Modellkompression die Verteidigung gegen adversarielle Angriffe beeinflusst.

Eine Studie präsentiert ein Modell, um die Erkennung von gefälschten Fingerabdrücken zu verbessern.

Eine ausgewogene Methode vorstellen, um tiefe neuronale Netzwerke effektiv zu beschneiden.

Ein Blick auf Herausforderungen und Lösungen bei den Methoden zur Brustkrebsfrüherkennung.

LEAP verbessert das Testen auf Angriffe für Software zur Verarbeitung natürlicher Sprache.

Forschung zeigt, wie KI Hörgeräte in lauten Umgebungen verbessern kann.

Dieses Verfahren verbessert die Klassifizierung von medizinischen Bildern mit Hilfe von Graph-Neuronalen Netzwerken.

Ein Blick auf Methoden zur Analyse grosser räumlicher Datensätze und deren Herausforderungen.

Ein Blick auf Strategien zur Verbesserung der DNN-Leistung in Echtzeitanwendungen.

Neue Methode bekämpft Überbelichtungsprobleme bei alltäglichen Videoaufnahmen mit Deep Learning.