Últimos artículos para Redes Neuronales Convolucionales

Nuevo enfoque mejora la detección de tráfico HTTP dañino.

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

Usar IA para mejorar la detección de picos y conseguir mejores resultados para los pacientes en cirugía cerebral.

Un análisis de CNNs y Transformers de Visión para la detección fuera de dominio.

Un nuevo enfoque para el seguimiento de objetos con una arquitectura de transformador eficiente para dispositivos con recursos limitados.

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

SDLFormer combina técnicas avanzadas para mejorar la calidad de las imágenes de MRI y tener un procesamiento más rápido.

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

Nuevas técnicas mejoran los Transformers de Visión para un mejor rendimiento con conjuntos de datos pequeños.

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

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 artículo investiga el sesgo de género en los Transformadores de Visión en comparación con las CNNs.

Un método que combina el Aprendizaje Dividido con la Encriptación Homomórfica mejora la privacidad en el aprendizaje automático.

Un método que permite el aprendizaje automático en datos encriptados para proteger la privacidad del usuario.

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

La IA está mejorando el análisis de las resonancias magnéticas para la clasificación del cáncer de próstata.

Examinando cómo la computación neuromórfica mejora la eficiencia de la comunicación satelital.

Esta investigación explora técnicas de aprendizaje profundo para mejorar las defensas contra ataques de canal lateral.

Este estudio revela cómo las señales del cerebro pueden recrear imágenes vistas por las personas.

Presentando GenePointNet: Un nuevo método para analizar datos de secuenciación de RNA.

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

Un marco de aprendizaje semi-supervisado mejora la segmentación de imágenes médicas con datos etiquetados limitados.

Este estudio destaca la complejidad de muestra de los algoritmos de Descenso Espejo de Política Neuronal en aprendizaje profundo.

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

LightTBNet es un modelo eficiente para la detección precisa de TB en entornos con pocos recursos.

Un estudio propone una manera eficiente de medir la grasa en los niños usando MRI.

Explorando el impacto del aprendizaje automático en las transiciones de fase en la física.

Este estudio analiza cómo los modelos de aprendizaje profundo reconocen las expresiones faciales en comparación con los humanos.

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

Este estudio explora problemas con el uso de convnets para la creación de bancos de filtros de audio.

Un nuevo método mejora la detección de defectos en estructuras laberínticas magnéticas.

Los investigadores mejoran la precisión en la clasificación de sonidos del corazón usando métodos de aumento de datos con códec.

Un nuevo enfoque mejora la reducción de datos meteorológicos para mejores pronósticos locales.

Revolucionando la comunicación en deep learning a través de representaciones visuales claras.

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

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

Explorando la integración de gemelos digitales e IoBNT en biotecnología.

La investigación destaca métodos para predecir sitios de unión de ATP en proteínas para el desarrollo de fármacos.

Una mirada a cómo el deep learning mejora los sistemas de detección de intrusiones.