Últimos artículos para CNNs

El estudio usa modelos avanzados para identificar lentes fuertes entre galaxias.

Los investigadores usan el aprendizaje automático para entender mejor las transiciones de fase en los materiales.

Una mirada a los métodos utilizados para predecir el aumento de eventos de olas de calor.

Un enfoque en la confianza en los sistemas de IA para comunicaciones 6G fiables.

Un nuevo modelo mejora la precisión del mapeo del uso del suelo con datos limitados.

Descubre el impacto de las activaciones lineales por partes en los modelos de aprendizaje profundo.

La investigación usa la tecnología de CNN para clasificar las etapas de división celular en C. elegans y especies relacionadas.

El Módulo de Convolución Espacial a Escala Cruzada mejora la eficiencia en los modelos de reconocimiento de imágenes.

Este estudio explora el uso de las formas de las orejas para clasificar géneros.

Un nuevo método mejora la robustez de las CNNs de Mezcla de Expertos contra entradas adversariales.

Este documento habla de cómo los robots pueden identificar a sus compañeros de conversación usando pistas visuales.

Un nuevo método mejora la detección de cambios ambientales usando imágenes de teledetección.

Explorando nuevos métodos para mejorar la precisión en el diagnóstico del cáncer de piel.

AMaizeD ayuda a los agricultores a detectar enfermedades del maíz temprano usando imágenes de drones.

SaEnet mejora el rendimiento de CNN al centrarse en las características esenciales de las imágenes.

Aprende cómo las CNNs ayudan a limpiar imágenes ruidosas de manera efectiva.

Este estudio evalúa la fiabilidad de las CNN en el análisis de resonancias magnéticas del cerebro.

Este estudio presenta métodos para el reconocimiento de peatones en tiempo real usando poder de procesamiento limitado.

La tecnología RRAM mejora la velocidad y eficiencia de las redes neuronales convolucionales.

Un enfoque novedoso para mejorar la seguridad contra el tráfico web dañino.

Un nuevo modelo mejora la precisión de las predicciones para los orgánulos en microscopía de luz transmitida.

Modelos innovadores de deep learning mejoran la detección y respuesta ante ataques DDoS.

Un nuevo método mejora la convolución de imágenes sin relleno, mejorando la calidad y la eficiencia.

CATS v2 mejora la precisión en la segmentación de imágenes médicas mediante enfoques híbridos.

El nuevo modelo SAMUS mejora la segmentación de imágenes de ultrasonido para una mejor precisión clínica.

Un enfoque novedoso mejora el análisis de fMRI para un mejor diagnóstico de trastornos cerebrales.

Este estudio revisa métodos para mejorar el mantenimiento predictivo con el análisis de datos de sensores.

RingMo-lite mejora el análisis de imágenes de teledetección con eficiencia y precisión.

Un nuevo método mejora el diagnóstico del cáncer al integrar señales de causalidad débiles en la imagen médica.

Esta técnica simplifica la creación de modelos CAD usando solo fotos.

Nuevos modelos mejoran la precisión de la clasificación de audio y la resistencia al ruido y ataques.

Un estudio revela el diseño óptimo de red para el análisis de ECG usando CNNs.

Mejorando la identificación de drones con señales de RF y técnicas de aprendizaje automático.

DeepBEAS3D mejora la segmentación de imágenes médicas a través de la interacción del usuario y el aprendizaje profundo.

Los métodos de pronóstico mejorados mejoran la gestión de energía y la confiabilidad.

ConvFormer mejora la precisión de la segmentación en imágenes médicas al combinar CNNs y transformadores.

El aprendizaje profundo mejora la precisión en la detección de pólipos de cáncer colorrectal.

NISF mejora la segmentación de formas anatómicas en imágenes médicas con mayor precisión.

HEANA acelera tareas de CNN con mejor velocidad y eficiencia energética.

Este estudio usa machine learning para predecir la dinámica de las llamas de manera efectiva.