Derniers articles pour Réseaux de Neurones Convolutionnels

L'attention D-LKA améliore la précision et l'efficacité de la segmentation d'images médicales.

Un modèle flexible qui améliore le diagnostic des pannes dans les moteurs électriques dans différentes conditions.

Des chercheurs utilisent l'apprentissage automatique pour analyser des modèles d'énergie noire et améliorer nos connaissances cosmologiques.

Une nouvelle méthode améliore la détection du trafic HTTP nuisible.

Cette étude présente des méthodes pour la reconnaissance des piétons en temps réel avec peu de puissance de traitement.

Utiliser l'IA pour améliorer la détection des pics pour de meilleurs résultats pour les patients en chirurgie cérébrale.

Une analyse des CNN et des Vision Transformers pour la détection hors domaine.

Une nouvelle approche pour le suivi d'objets avec une architecture de transformateur efficace pour les appareils limités en ressources.

Une nouvelle approche pour améliorer la sécurité contre le trafic web nuisible.

SDLFormer combine des techniques avancées pour une meilleure qualité d'image IRM et un traitement plus rapide.

Des modèles de deep learning innovants améliorent la détection et la réponse aux attaques DDoS.

De nouvelles techniques améliorent les Vision Transformers pour de meilleures performances avec des petits jeux de données.

Une nouvelle méthode améliore la convolution d'images sans padding, améliorant la qualité et l'efficacité.

Le nouveau modèle SAMUS améliore la segmentation des images échographiques pour une précision clinique renforcée.

Une nouvelle méthode améliore l'analyse de l'IRMf pour un meilleur diagnostic des troubles cérébraux.

Cet article examine les biais de genre dans les Vision Transformers par rapport aux CNN.

Une méthode qui combine l'apprentissage fractionné avec le chiffrement homomorphe améliore la vie privée dans le machine learning.

Une méthode qui permet l'apprentissage automatique sur des données chiffrées pour protéger la vie privée des utilisateurs.

RingMo-lite améliore l'analyse des images de télédétection avec efficacité et précision.

L'IA améliore l'analyse des IRM pour le classement du cancer de la prostate.

Examiner comment l'informatique neuromorphique améliore l'efficacité de la communication par satellite.

Cette recherche explore des techniques d'apprentissage profond pour améliorer les défenses contre les attaques par canaux auxiliaires.

Cette étude montre comment les signaux du cerveau peuvent recréer des images vues par des personnes.

Présentation de GenePointNet : une nouvelle méthode pour analyser les données de séquençage d'ARN.

Améliorer l'identification des drones avec des signaux RF et des techniques d'apprentissage automatique.

Un cadre d'apprentissage semi-supervisé améliore la segmentation d'images médicales avec peu de données étiquetées.

Cette étude met en lumière la complexité d'échantillonnage des algorithmes de descente de miroir de politique neuronale en apprentissage profond.

DeepBEAS3D améliore la segmentation d'images médicales grâce à l'interaction utilisateur et au deep learning.

LightTBNet est un modèle efficace pour détecter la tuberculose avec précision dans des environnements à faibles ressources.

Une étude propose une méthode efficace pour mesurer la graisse chez les enfants en utilisant l'IRM.

Explorer l'impact de l'apprentissage automatique sur les transitions de phase en physique.

Cette étude analyse comment les modèles de deep learning reconnaissent les expressions faciales par rapport aux humains.

L'apprentissage profond améliore la précision dans la détection des polypes colorectaux.

Cette étude explore les problèmes liés à l'utilisation des convnets pour la création de filtres audio.

Une nouvelle méthode améliore la détection des défauts dans des structures magnétiques labyrinthiques.

Des chercheurs améliorent la précision de la classification des sons cardiaques en utilisant des méthodes d'augmentation de données codec.

Une nouvelle méthode améliore la réduction des données météorologiques pour de meilleures prévisions locales.

Révolutionner la communication en deep learning grâce à des représentations visuelles claires.

BEFUnet améliore la précision dans la segmentation d'images médicales en combinant des CNN et des transformateurs.

Cette étude utilise l'apprentissage automatique pour prévoir efficacement la dynamique des flammes.