Derniers articles pour Fonctions de perte

Cette recherche présente le TBL pour améliorer la performance des modèles dans des scénarios de données ultra-déséquilibrées.

Utiliser des modèles CAO peut améliorer l'estimation de la pose des robots en gérant les incertitudes.

Une nouvelle méthode améliore l'efficacité et la rapidité de la compression des données.

Une nouvelle fonction de perte améliore la précision des prévisions de flux de puissance dans des systèmes complexes.

Un nouveau modèle améliore l'identification des troubles cérébraux grâce à une analyse de réseau innovante.

Cet article explore comment la taille de l'échantillon influence les performances des réseaux de neurones à travers les paysages de perte.

De nouvelles méthodes se concentrent sur la symétrie du visage pour améliorer la précision de la reconnaissance.

Une nouvelle méthode améliore le rendu 3D pour différentes applications.

Cet article examine de nouvelles approches pour améliorer les LLM en utilisant des fonctions de perte de la vision par ordinateur.

Recherche mettant en avant l'utilisation des fonctions d'influence pour améliorer la performance des PINN dans les problèmes de physique.

ChronoGAN propose une nouvelle méthode pour générer des données de séries temporelles réalistes.

Des taux d'apprentissage dynamiques et des super ensembles de niveaux renforcent la stabilité dans l'entraînement des réseaux de neurones.

De nouvelles méthodes améliorent la performance des modèles avec moins de données.

Un aperçu des nouvelles méthodes pour fusionner des images sous différentes lumières.

M3CoL améliore la capacité de l'IA à apprendre à partir de différents types de données.

GeCo améliore le comptage d'objets avec moins d'exemples, ce qui augmente la précision et la fiabilité.

Une nouvelle méthode simplifie la suppression de contenu indésirable dans les ensembles de données visuelles.

Cette méthode améliore la fiabilité des scores de confiance des modèles de langue.

Une nouvelle approche renforce la fiabilité des systèmes de réponse aux questions.

Une nouvelle fonction de perte améliore la qualité audio en alignant la phase et l'amplitude.

Des stratégies innovantes améliorent la détection d'événements rares dans les systèmes d'apprentissage fédéré.

Cette étude examine comment la structure des données affecte l'apprentissage des réseaux de neurones.

Une nouvelle méthode aide les machines à mieux comprendre le texte en réduisant la confusion.

Une nouvelle méthode pour améliorer l'entraînement des réseaux de neurones informés par la physique.

Explore les principes de la théorie de l'information et son impact sur différents domaines.

Apprends comment les réseaux de neurones peuvent résoudre efficacement des équations différentielles partielles.

Combiner des données moyennes et précises peut améliorer les modèles prédictifs.

Présentation des autoencodeurs masqués pour vidéos longues pour une meilleure compréhension des vidéos.

Explore comment les modèles CP-VAE et UP-VAE fonctionnent dans l'interprétation des données.

Explorer comment les neurones apprennent efficacement dans des environnements bruyants.

Comprendre le censurage et l'estimation dans les tests de durée de vie.

Utiliser le deep learning pour reproduire le charme du film Cinestill 800T dans des images numériques.

Apprends comment l'inversion de réseau révèle le processus de décision des réseaux de neurones.

Découvrez comment le Deep Hedging avec K-FAC améliore la gestion des risques financiers.

Une nouvelle méthode améliore la détection dans les scanners thoraciques.

Explore comment le Bandersnatch ANDHRA améliore les réseaux neuronaux grâce au branching.

Apprends comment les prédictions intelligentes améliorent la prise de décision grâce aux données.

Découvrez comment de nouvelles méthodes améliorent la reconnaissance des petits objets dans les données 3D.

Découvrez comment les chercheurs dénichent les liens entre les morceaux de données.

Combiner le méta-apprentissage et les GAM pour améliorer les solutions PINN pour des équations complexes.