Derniers articles pour Fonctions de perte

Explorer une approche unifiée pour améliorer la précision et la cohérence de la classification.

Une nouvelle méthode améliore l'estimation des noyaux de mémoire dans la dynamique des particules.

Un nouveau transformateur de vision léger améliore l'estimation de profondeur pour les appareils à faible consommation.

Switch-DiT améliore la génération d'images grâce à des relations de tâches de débruitage innovantes.

Une nouvelle méthode pour retrouver des échantillons backdoor sans avoir besoin de données propres.

Une étude révèle les facteurs qui influencent la performance des GCN à une seule couche sur différents modèles de données.

Les réseaux de neurones probabilistes offrent une meilleure compréhension de l'incertitude dans la modélisation scientifique.

Une nouvelle approche simplifie le grounding vidéo en éliminant le besoin d'étiquettes temporelles précises.

Une nouvelle méthode pour optimiser efficacement les poids dans des tâches d'apprentissage automatique multi-objectifs.

Utiliser des réseaux de neurones pour résoudre efficacement des équations différentielles partielles complexes.

Une méthode combinant la physique et le deep learning améliore la clarté des photos sous-marines.

Une nouvelle approche pour estimer la profondeur à partir d'une seule image, en contournant les limites de l'appareil photo.

Les solutions automatisées pour identifier les tumeurs cérébrales montrent des promesses pour améliorer les soins aux patients.

Utiliser des réseaux de neurones offre de nouvelles perspectives sur la dynamique de frottement et la modélisation prédictive.

Une nouvelle méthode améliore l'apprentissage auto-supervisé en se concentrant sur des paires d'images de haute qualité.

Cet article parle de l'importance de l'initialisation des paramètres dans les réseaux de neurones.

Explorer des méthodes d'optimisation robuste pour des données incertaines dans la prise de décision.

Améliorer la détection des gros objets dans les environnements de véhicules autonomes.

Ce travail présente un cadre systématique pour analyser les algorithmes de machine learning.

Cet article décrit une méthode pour créer des jumeaux numériques d'objets en mouvement.

Une nouvelle fonction de perte améliore la fiabilité des opérateurs neurologiques pour résoudre les PDE.

Intégrer le raisonnement humain dans la formation de l'IA améliore les explications du modèle et renforce la confiance.

Une nouvelle méthode améliore les performances des Vision Transformers sur des ensembles de données déséquilibrés.

Une nouvelle méthode améliore les modèles 3D de visages en capturant des expressions subtiles.

Cette étude examine comment des initialisations de poids faibles impactent l'entraînement des réseaux de neurones.

Une nouvelle fonction de perte améliore la précision dans les tâches de segmentation sémantique.

OLRG propose une nouvelle approche pour mieux simuler des systèmes quantiques complexes.

Un aperçu de MONA, un système qui améliore la communication par la parole silencieuse.

Ce boulot développe une méthode pour mieux gérer les défis de la classification de texte multi-étiquettes.

Une nouvelle méthode améliore la segmentation avec un minimum d'annotations dans les images médicales en 3D.

Une nouvelle méthode simplifie l'édition d'images en se concentrant sur le bruit et le timing.

L'apprentissage automatique améliore les modèles de viscosité artificielle pour des simulations numériques améliorées.

Une nouvelle approche utilisant la programmation génétique pour améliorer les fonctions de perte pour la classification d'images.

Une nouvelle méthode améliore l'estimation des paramètres pour la régression linéaire en présence de distributions d'erreurs non standards.

Cette étude améliore l'alignement des images rétiniennes en utilisant des techniques avancées d'apprentissage profond.

EMOPortraits améliore le réalisme des avatars animés en rendant l'expression émotionnelle plus précise.

Explorer le rôle de l'apprentissage profond dans l'amélioration des techniques de compression vidéo.

tLaSDI fusionne la thermodynamique et l'apprentissage automatique pour modéliser des systèmes dynamiques complexes.

Une nouvelle méthode améliore le traitement du son grâce à l'accord automatique des réseaux de retard de feedback.

Des méthodes innovantes améliorent les embeddings d'ontologie pour une meilleure complétion de la base de connaissances.