Últimos artículos para Aprendizaje profundo

Este estudio compara algoritmos de DG para abordar el cambio de dominio en el análisis de imágenes médicas.

Un nuevo método mejora la comprensión de las características y la toma de decisiones de las CNN.

Presentando un nuevo método para mejorar los modelos de aprendizaje profundo reduciendo el sobreajuste.

Nuevos enfoques mejoran la modelación de comportamientos físicos en geometrías variadas.

CAMOT mejora el seguimiento de múltiples objetos al estimar ángulos y profundidades de la cámara.

TensorSocket mejora la eficiencia del entrenamiento de deep learning a través de la carga de datos compartida.

Examinando el uso de energía de los modelos de IA en el aprendizaje continuo para la sostenibilidad.

La nueva herramienta ODiMO mejora el rendimiento de DNN en hardware edge.

Nuevos métodos aceleran la codificación y decodificación de video.

Las funciones de Zorro ofrecen soluciones fluidas para mejorar el rendimiento de redes neuronales.

Una nueva función de pérdida mejora la calidad del audio al alinear fase y magnitud.

POMONAG mejora la búsqueda de arquitectura con un enfoque en múltiples objetivos para una mejor eficiencia.

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

AUCSeg mejora la segmentación al abordar el desequilibrio de clases en el procesamiento de imágenes.

Un nuevo método mejora la medición de incertidumbre en redes neuronales profundas con menor uso de memoria.

Un nuevo método mejora la precisión de la segmentación al integrar forma e intensidad en imágenes médicas.

El uso innovador de LUTs mejora el rendimiento de FPGAs para tareas de deep learning.

Explorando la integración del aprendizaje profundo con métodos bayesianos para mejorar la estimación de datos.

Este artículo compara U-Net y modelos basados en transformadores para la segmentación de imágenes de microscopía.

MambaJSCC integra técnicas de codificación para mejorar la comunicación de imágenes inalámbricas.

Un nuevo método mejora la eficiencia del modelo informático sin sacrificar el rendimiento.

Te presento MG-Net, un marco para mejorar las técnicas de optimización cuántica a través del aprendizaje profundo.

Un nuevo método mejora la precisión en la detección de imágenes médicas.

Este estudio se centra en mejorar la calidad de imagen a través de métodos de restauración de datos RAW.

Nuevo método mejora la coincidencia de imágenes de varios espectros de cámara.

Este artículo habla de mejorar las predicciones de computadora en videos al enderezar las secuencias de imágenes.

Explora métodos de aprendizaje local que están transformando el entrenamiento de redes neuronales.

Presentamos un método para mejorar la privacidad sin sacrificar la precisión del modelo.

Explorando un enfoque nuevo para mejorar la segmentación semántica usando principios de compresión.

Un nuevo enfoque mejora la efectividad del aprendizaje profundo para resolver EDPs.

La investigación resalta cómo el aprendizaje de características mejora efectivamente el rendimiento de las redes neuronales.

Una mirada a cómo diferentes representaciones en IA mejoran la comprensión.

Una mirada a cómo las CNN interpretan imágenes y sus características.

SimCLR mejora el entrenamiento del modelo usando datos sin etiquetar en tareas de visión.

Aprende cómo la segmentación de superpíxeles hace que el análisis de imágenes sea más fácil para las máquinas.

Descubre cómo el Poda de Estado Adaptativa por Capas mejora los modelos de aprendizaje profundo.

Combinar datos RGB y de profundidad mejora el reconocimiento de piezas en la fabricación.

Entender cómo los modelos de deep learning manejan la incertidumbre es clave para hacer predicciones precisas.

Este artículo habla sobre el papel de las pérdidas sustitutas en la resolución de problemas complejos de aprendizaje automático.

Trap-MID ofrece una forma ingeniosa de proteger los datos de los hackers.