Neuste Artikel für Transfer Learning

Diese Studie stellt Methoden zur bayesianischen Optimierung in verschiedenen Suchräumen vor.

Wir stellen ERF-CondLaneNet vor für bessere Fahrstreifenkennung in komplizierten Verkehrssituationen.

Ein selbstkalibrierendes Modell verbessert die Prothesesteuerung und die Anpassungsfähigkeit des Nutzers.

Lerne, wie Transferlernen die Ergebnisse von maschinellem Lernen mit begrenzten Daten verbessert.

Fundierungsmodelle verbessern die Genauigkeit bei der Identifizierung von Pflanzen weltweit.

Diese Studie untersucht den Einsatz von Transferlernen für eine effektive Qualitätskontrolle beim Laminieren von CFRP-Bändern.

Eine Übersicht über Technologien zur Erkennung von Schlüsselwörtern und deren Herausforderungen mit der Urdu-Sprache.

Studie untersucht LSTM-Netzwerke für bessere Internetverkehrsprognosen.

Ein Überblick über die einzigartigen Probleme, mit denen Sprachen mit geringeren Ressourcen konfrontiert sind, und mögliche Lösungen.

Vorherige Testdaten nutzen, um aktuelle Behandlungsevaluierungen zu verbessern.

Diese Studie verbessert die Emotions­erkennungssysteme für weniger verbreitete Sprachen mithilfe von Daten mit hohem Ressourcen­anteil.

Maschinenlernen will die Wettervorhersage verbessern, indem es Modellverzerrungen angeht.

Eine neue Methode verbessert die Leistung von LLMs und reduziert gleichzeitig die Komplexität.

Transfer-Lernen verbessert die Audio-Klassifizierung für die Erkennung von Unterwassergeräuschen.

Studie untersucht die Rolle von Schlaf beim Transferlernen und der Gedächtniskonsolidierung.

Ein neuer Ansatz zur Verbesserung von molekularen Eigenschaftsvorhersagen in der KI durch Aufgabenaddition.

Forschung zur Verbesserung der Vogelstimmenidentifikation durch Machine-Learning-Techniken.

Erforschung der Nutzung von synthetischen Daten zur Verbesserung von DRL in realen Anwendungen.

Eine neue Methode verbessert das gesunde Menschenverstand-Reasoning in KI, besonders in Situationen mit wenig Daten.

FireLite bietet präzise Branddetektion mit minimalem Ressourcenaufwand im Transportwesen.

Eine Studie hebt hervor, wie wichtig klare Erklärungen für KI in klinischen Bereichen sind.

KI verbessert die Erkennung von Nierensteinen und schützt gleichzeitig die Patientendaten.

Maschinelles Lernen nutzen, um Yoga-Posen zu erkennen für eine bessere Praxis.

Neue Machine-Learning-Techniken verbessern die Interpretation und Zugänglichkeit von XAS-Daten.

Ein neuer Autoencoder verbessert das Lernen von Graphdarstellungen in verschiedenen Anwendungen.

Entdecke, wie Diffusionsmodelle Noise in beeindruckende Bilder verwandeln.

Effektive Strategien zur Auswahl von Hyperparametern im Transferlernen erkunden.

Ein Blick auf die Herausforderungen fehlender Daten in elektronischen Gesundheitsakten und Methoden, um sie zu verbessern.

Diese Studie nutzt Deep Learning und Transferlernen für die HER2-Bewertung bei Brustkrebs.

Diese Studie untersucht Sterblichkeitsprognosen anhand von Daten ähnlicher Länder.

Lern, wie man das Beste aus begrenzten Daten für Sprachmodelle rausholt.

Revolutionierung des Robotermaschinen mit Fokus auf sprachbasierte Anweisungen.

Ein Blick auf Few-Shot Open-Set-Erkennung und ihre Anwendungen.

ChannelDropBack verbessert Deep Learning Modelle, indem es Overfitting während des Trainings reduziert.

MSTA verbessert die Lerneffizienz für Roboter, indem sie Aktionen aus Videos mit Bildern und Text erkennen.

Lerne, wie adaptives Caching den Zugriff auf Inhalte in Echtzeit verbessert.

Erfahre, wie Technik die Bildung einfacher macht, indem sie die Kursziele mit den Programmzielen verbindet.

Wie winzige Schwimmer Teamwork nutzen, um durch chaotische Gewässer zu navigieren.

Technologie kombinieren, um Rissdiagnose in Strassen, Brücken und Gebäuden zu verbessern.

Das STU-Net Modell zeigt vielversprechende Ansätze, um CT-Scan-Wissen auf andere Bildgebungsverfahren anzuwenden.