Últimos artículos para DNN

DeepSample ofrece técnicas efectivas para probar Redes Neuronales Profundas de manera eficiente y precisa.

Nuevo método mejora la fiabilidad de las DNNs frente a pequeños desplazamientos de imagen.

Presentando un marco de memoria flexible para optimizar aceleradores de redes neuronales profundas.

Este artículo trata sobre el uso de redes neuronales profundas para predecir las propiedades de los mesones.

Una forma rápida de evaluar el rendimiento de una DNN después de un nuevo entrenamiento.

Un marco que mejora el rendimiento de DNN en entornos con limitaciones de energía.

Nuevas técnicas mejoran la verificación de redes neuronales profundas para aplicaciones más seguras.

Los investigadores mejoran las mediciones de estrellas brillantes usando redes neuronales profundas.

Están surgiendo nuevos métodos para aproximar funciones complejas a partir de datos limitados.

Nuevo método reduce las amenazas de backdoor en redes neuronales profundas.

Un nuevo estándar mejora los métodos de optimización multi-objetivo offline en varios campos.

Mejorando el rendimiento de DNN a través de métodos de muestreo de datos eficientes.

Un nuevo optimizador mejora la eficiencia al ejecutar redes neuronales profundas en GPUs.

FRED mejora la comunicación para un entrenamiento de aprendizaje profundo más rápido y eficiente.

Un nuevo método mejora el rendimiento de las redes neuronales de picos en tareas de lenguaje.

Este documento presenta un nuevo IDS basado en DNN en redes programables.

Este estudio explora modelos de aprendizaje profundo para un mapeo preciso del arroz en Bután.

Combinar la poda y la cuantización hace que la eficiencia de las DNN sea más fácil para dispositivos más pequeños.

Explorando la optimización de DNNs para dispositivos con suministro de energía limitado.

Un nuevo marco aborda la equidad en las redes neuronales profundas durante la poda del modelo.

Un estudio revela diferencias clave en cómo los humanos y la IA representan imágenes.

Examinando el papel de las técnicas de dropout en la mejora de la equidad en las DNNs.

SPOGA acelera redes neuronales profundas con mejor velocidad y eficiencia energética.

Una mirada a cómo mejorar el uso de FPGA en aplicaciones de DNN con nuevas técnicas.

La computación en el borde mejora la velocidad y eficiencia en aplicaciones móviles usando IA.

Un nuevo método mejora la eficiencia del aprendizaje profundo para dispositivos edge.

Una mirada profunda a cómo nosotros y las máquinas reconocemos objetos.

Un nuevo método mejora las pruebas para redes neuronales profundas al centrarse en el rendimiento general.

Te presento DUCD, un método enfocado en la privacidad para proteger las DNNs de ataques adversariales.

HYDRA mejora la eficiencia de las redes neuronales profundas para dispositivos de borde con recursos limitados.

HESSO simplifica la compresión de modelos, haciendo que las redes neuronales sean más eficientes sin perder rendimiento.

Un estudio muestra que las variaciones en las manchas dificultan a las redes neuronales profundas en la predicción del cáncer.

Esta investigación explora métodos de reducción de memoria para entrenar redes neuronales profundas.

Optimizando DNNs con cuantización en potencias de dos para dispositivos con recursos limitados.

Los chips AIMC muestran potencial para defender la IA de ataques astutos.

Una nueva estrategia para abordar múltiples tareas en redes neuronales profundas.

Este estudio mide la incertidumbre en las predicciones del modelo para detectar patrones de diseño engañosos.

Descubre cómo los ataques B3FA comprometen redes neuronales profundas con mínimo conocimiento.

Aprende a verificar si las redes neuronales siguen siendo precisas con los cambios en los datos.

Nuevas técnicas mejoran la detección de enfermedades en plantas para los agricultores usando drones y IA.