Neuste Artikel für Transfer Learning

Eine Studie zur Wirksamkeit von Übertragbarkeitswerten in medizinischen Bildgebungsaufgaben.

Entdecke, wie Sprachmodelle die medizinische Bildsegmentierung verbessern.

Das FLAIR-Modell verbessert die Analyse von Augenerkrankungen mithilfe von Expertenwissen und Fundusbildern.

Eine Studie zeigt, wie Transferlernen die Leistung bei kognitiven Aufgaben mit EEG-Daten verbessert.

Forschung zeigt, dass KI die Genauigkeit der Messung des Kopfumfangs bei Föten verbessern kann.

Maschinelles Lernen hilft, die Wasserbedingungen in Gebieten ohne Überwachungsstationen vorherzusagen.

Neuere Modelle verbessern die Vorhersagen für Antikörperinteraktionen mit wichtigen Antigenen.

Grad-CAM hilft Ärzten, KI bei der Diagnose von Krankheiten zu vertrauen.

Wir stellen Knowledge Bridge Learning vor, um den Wissensaustausch im Deep Learning zu verbessern.

Wegwerf-Transferlernen geht auf Datenschutzbedenken ein und hält gleichzeitig die Modellleistung hoch.

Neuer Datensatz verbessert die Forschung zu Nervenzellen bei Nagetieren mit Hilfe von Fluoreszenzmikroskopie.

Diese Studie untersucht Vorurteile in Audio-Modellen, die zur Instrumentenerkennung verwendet werden.

Ein neues Framework verbessert die Nutzung von qualitativen Daten für bessere Entscheidungsfindung.

TAN verbessert die Bildgenerierung mit begrenzten Daten durch innovative Techniken.

Maschinenlernverfahren verbessern die Datenanalyse in der Serien-Femtosekunden-Kristallographie.

KI-Tools können die frühe Diagnose von diabetischer Retinopathie verbessern, um Sehverlust zu verhindern.

Neue Techniken verbessern die Krankheitsdiagnose und schützen gleichzeitig die Privatsphäre der Patienten.

Eine neue Methode verbessert die Modellleistung bei verschiedenen Datentypen.

Neue Strategien für bessere Robotik-Bewegungen erkunden.

Eine neue Methode verbessert die medizinische Bildsegmentierung mit weniger gekennzeichneten Daten.

Neue Methoden verbessern die Vorhersagen des biologischen Alters mithilfe von epigenetischen Daten.

OSBORN hilft, die besten vortrainierten Modelle für bestimmte Aufgaben auszuwählen.

MultIOD für effiziente Objekterkennung ohne Wiederholung.

Wie Transfer-Learning die Bedrohungserkennung und Privatsphäre in der Cybersicherheit verbessert.

Diese Studie nutzt Deep Learning, um das Risiko von Leberkrebs bei NAFLD-Patienten vorherzusagen.

Diese Studie untersucht, wie man Überarbeitungen klassifizieren kann, um besser argumentativ zu schreiben.

TransNet bietet eine effiziente Lösung zur Erkennung menschlicher Aktionen in Videodaten.

Ein Überblick über Herausforderungen und Lösungen bei mehrsprachiger Suche.

DeepVol nutzt Deep Learning für verbesserte Volatilitätsvorhersagen bei verschiedenen Finanzanlagen.

Eine neue Methode verbessert die Modellgenauigkeit durch föderiertes Lernen und Kernelregression.

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

Ein neues neuronales Netzwerkmodell verbessert die Texterkennung in verschiedenen Aufgaben und Bereichen.

Neue Techniken verbessern die Modellleistung mit begrenzten gekennzeichneten Daten.

MoMA verbessert das KI-Training in der Pathologie mit begrenztem Datenzugang.

Forschung zeigt, dass maschinelles Lernen nicht-Hermitian Phasengrenzen mithilfe von Hermitischen Daten vorhersagen kann.

Ein neues Modell sagt das Verhalten von Materialien effizient mit Hilfe von Machine-Learning-Techniken voraus.

Neue Techniken verbessern arabische Frage-Antwort-Systeme für eine bessere Leistung.

Forschung schaut sich an, wie man die Anpassungsfähigkeit von Machine Learning durch Meta-Lernen und Solomonoff-Induktion verbessern kann.

Double-Dip kombiniert Transferlernen und Randomisierung, um sich gegen Membership-Inference-Angriffe zu schützen.

Ein neuer Ansatz, um mit Kovariatenverschiebung in Machine-Learning-Modellen umzugehen.