Derniers articles pour DNN

DeepSample propose des techniques efficaces pour tester les Réseaux de Neurones Profonds de manière efficient et précise.

Une nouvelle méthode améliore la fiabilité des DNN face aux petits décalages d'image.

Introduction d'un cadre de mémoire flexible pour optimiser les accéléRateurs de réseaux de neurones profonds.

Cet article traite de l'utilisation des réseaux de neurones profonds pour prédire les propriétés des mésons.

Une méthode rapide pour évaluer la performance d'un DNN après un nouvel entraînement.

Un cadre qui améliore la performance des DNN dans des environnements à faible énergie.

De nouvelles techniques améliorent la vérification des réseaux neuronaux profonds pour des applications plus sûres.

Des chercheurs améliorent les mesures des étoiles brillantes en utilisant des réseaux de neurones profonds.

De nouvelles méthodes pour approcher des fonctions complexes à partir de données limitées émergent.

Une nouvelle méthode réduit les menaces de porte dérobée dans les réseaux de neurones profonds.

Un nouveau benchmark améliore les méthodes d'optimisation multi-objectifs hors ligne dans différents domaines.

Améliorer la performance des DNN grâce à des méthodes d'échantillonnage de données efficaces.

Un nouvel optimiseur améliore l'efficacité dans l'exécution des réseaux de neurones profonds sur des GPU.

FRED améliore la communication pour un entraînement en apprentissage profond plus rapide et plus efficace.

Une nouvelle méthode améliore la performance des réseaux neuronaux à décharge dans les tâches linguistiques.

Cet article présente un nouveau IDS basé sur DNN dans des réseaux programmables.

Cette étude explore des modèles d'apprentissage profond pour une cartographie précise du riz au Bhoutan.

Combiner l'élagage et la quantification rend les DNN plus efficaces pour les petits appareils.

Explorer l’optimisation des DNN pour les appareils avec une source d’énergie limitée.

Un nouveau cadre s'attaque à l'équité dans les réseaux de neurones profonds pendant l'élagage du modèle.

Une étude révèle des différences clés dans la manière dont les humains et l'IA représentent les images.

Examiner le rôle des techniques de dropout pour améliorer l'équité dans les DNN.

SPOGA accélère les réseaux de neurones profonds avec une meilleure vitesse et efficacité énergétique.

Un aperçu sur l'amélioration de l'utilisation des FPGA dans les applications DNN avec de nouvelles techniques.

L'informatique en périphérie améliore la vitesse et l'efficacité des applications mobiles en utilisant l'IA.

Une nouvelle méthode améliore l'efficacité de l'apprentissage profond pour les appareils en périphérie.

Un regard approfondi sur comment nous et les machines reconnaissons les objets.

Une nouvelle méthode améliore les tests des réseaux de neurones profonds en se concentrant sur la performance globale.

Présentation de DUCD, une méthode axée sur la confidentialité pour protéger les DNN contre les attaques adverses.

HYDRA améliore l'efficacité des réseaux de neurones profonds pour les appareils edge avec peu de ressources.

HESSO simplifie la compression des modèles, rendant les réseaux de neurones plus efficaces sans perdre en performance.

Une étude montre que les variations de teint gênent les réseaux de neurones profonds dans la prédiction du cancer.

Cette recherche explore des méthodes de réduction de mémoire pour entraîner des réseaux de neurones profonds.

Optimiser les DNN avec une quantification en puissance de deux pour les appareils à ressources limitées.

Les puces AIMC montrent un bon potentiel pour protéger l'IA contre des attaques rusées.

Une nouvelle stratégie pour cibler plusieurs tâches dans les réseaux de neurones profonds.

Cette étude mesure l'incertitude dans les prédictions des modèles pour détecter des motifs de design trompeurs.

Découvrez comment les attaques B3FA compromettent les réseaux de neurones profonds avec un minimum de connaissances.

Apprends à vérifier si les réseaux de neurones restent précis avec des changements de données.

De nouvelles techniques améliorent la détection des maladies des plantes pour les agriculteurs grâce aux drones et à l'IA.