Últimos artículos para Aprendizaje profundo

Un nuevo método simplifica la poda de modelos de aprendizaje profundo utilizando principios de la física.

El marco ASiM mejora la precisión en tecnologías de aprendizaje profundo eficientes en energía.

Los datos malos pueden llevar a un mal rendimiento del modelo en aplicaciones de aprendizaje profundo.

Milabench ofrece benchmarks personalizados para mejorar las evaluaciones de rendimiento de la IA.

TP-UNet mejora la segmentación de imágenes médicas al usar información temporal.

xIELU ofrece una alternativa prometedora a las funciones de activación tradicionales en el aprendizaje profundo.

Los científicos usan el aprendizaje profundo para predecir los resultados de colisiones de iones pesados.

Nuevo método mejora la seguridad del aprendizaje profundo con huellas digitales neuronales aleatorias.

Descubre cómo EAST optimiza redes neuronales profundas a través de métodos de poda efectivos.

GCA-HNG mejora el entrenamiento del modelo al crear muestras negativas desafiantes.

Examinando el impacto del hardware y la comunicación en la eficiencia del deep learning.

Aprende cómo la poda de capas mejora la eficiencia y el rendimiento del modelo.

Usando deep learning para imitar el encanto del film Cinestill 800T en imágenes digitales.

FLRNet mejora la reconstrucción del flujo de fluidos usando datos limitados de sensores.

MobileMamba ofrece un procesamiento de imágenes eficiente para dispositivos con recursos limitados.

LRSAA mejora la detección de objetos en imágenes aéreas usando técnicas avanzadas.

Aprende cómo EPS mejora la calidad del video mientras ahorra ancho de banda.

Descubre cómo el entrenamiento en el tiempo de prueba ayuda a los modelos a adaptarse a los datos de imagen cambiantes.

GenDeg mejora la restauración de imágenes creando conjuntos de datos de entrenamiento diversos.

Investigando el impacto de la reducción de la tasa escasa en el rendimiento del modelo Transformer.

Un nuevo marco mejora el rendimiento con menos imágenes etiquetadas en segmentación semántica.

Descubre los beneficios de usar EMA en modelos de aprendizaje profundo.

Los astrónomos usan el aprendizaje profundo para entender mejor la estructura del universo.

Un nuevo método logra alta precisión en el reconocimiento de voz usando pocos datos.

El ruido en las etiquetas puede afectar los modelos de deep learning; nuevos métodos mejoran la precisión.

HGNet mejora la comunicación inalámbrica con soluciones de formación de haz inteligentes y rápidas.

Descubre cómo la comunicación THz y el deep learning pueden transformar la transferencia de datos.

Nuevas técnicas mejoran la detección del cáncer de vesícula biliar usando imágenes de ultrasonido.

SEMU-Net mejora la fabricación de dispositivos fotónicos de silicio integrados.

Aprende cómo mejorar el rendimiento de Adam con mejores estrategias de inicialización.

Descubre un método para ayudar a los modelos a adaptarse a nuevos datos sin necesidad de reentrenarlos mucho.

Explorando cómo las redes hiperbólicas pueden resistir ataques adversariales.

Aprende cómo los MLVGMs ayudan a proteger los sistemas de visión por computadora de ataques adversariales.

Un nuevo método mejora las tomografías computarizadas al combinar el aprendizaje profundo con la reconstrucción de imágenes.

El método CNA mejora las GNNs al abordar el sobresuavizado y mejorar el rendimiento.

Evaluando salidas ocultas para proteger datos sensibles en sistemas de IA.

Un nuevo enfoque combina la computación cuántica y el aprendizaje profundo para mejorar las simulaciones de partículas.

Un nuevo método mejora la calidad de las imágenes PET y reduce la complejidad para los doctores.

Los modelos de eliminación de ruido enfrentan desafíos por el ruido adversarial, pero nuevas estrategias ofrecen esperanza.

FeatureForest simplifica el análisis de imágenes en microscopía usando métodos avanzados.