Derniers articles pour Traitement des données

De nouvelles méthodes utilisent des légendes d'images pour améliorer l'entraînement des modèles vidéo.

Une nouvelle méthode pour une multiplication plus rapide et efficace en technologie.

Les recherches mettent en avant le rôle de l’équivariant appris dans l'amélioration des modèles de reconnaissance d'images.

Une méthode pour prédire les temps d'exécution des jobs dans les environnements cloud.

Combiner des images 2D et des données 3D améliore la précision de segmentation dans plein d'applications.

Découvre comment les réseaux de tenseurs améliorent à la fois l'apprentissage automatique quantique et classique.

Explore les récents développements en TCAM, y compris des designs efficaces et des technologies qui économisent de l'énergie.

Cette étude examine le comportement de comptage dans les RNN linéaires et leurs limites.

Une revue des méthodes pour accélérer l'entraînement des gros modèles de deep learning.

Explore des méthodes clés pour améliorer l'entraînement des modèles de machine learning pour plus de précision et d'efficacité.

Une nouvelle méthode d'entraînement basée sur des masques améliore la précision et la polyvalence des modèles 3D.

Un nouveau modèle simplifie l'entraînement et améliore les performances des réseaux de neurones sur différentes tâches.

Nouvelle technologie de capteurs améliore l'efficacité du traitement des données dans les caméras modernes.

Stratégies pour une gestion efficace des ressources dans un paysage IoT en pleine croissance.

Les caméras basées sur des événements offrent une modélisation 3D en temps réel pour diverses applications.

Une nouvelle méthode améliore la précision dans la détection des activités humaines en utilisant des signaux sans fil.

R-softmax améliore la clarté du modèle en permettant des probabilités nulles pour certaines catégories.

Ce document examine les avantages et les défis des conceptions Logic-in-Memory dans les systèmes numériques.

Le R-SIP améliore la qualité d'imagerie EIT en utilisant un mélange d'IA et de méthodes traditionnelles.

CLIP économe en ressources réduit les besoins en calcul tout en gardant de bonnes performances dans les tâches image-texte.

Un nouvel algorithme améliore la prise de décision dans les véhicules autonomes en utilisant des données partagées.

Utiliser des technologies radar avancées pour localiser efficacement les mines terrestres enterrées.

Une approche innovante pour aligner des vidéos sans exemples ou entraînement préalables.

Nouveau modèle améliore le traitement des données radar pour une meilleure détection des objets.

Une nouvelle méthode identifie des actions dans des vidéos sans avoir besoin de données pré-étiquetées.

Nouvelles méthodes pour améliorer l'efficacité des réseaux de neurones profonds.

Une nouvelle méthode améliore la performance et l'efficacité des modèles de nuages de points.

Combiner le LIDAR avec des images en niveaux de gris améliore la précision et économise de l'énergie.

Découvrez LightRW, un accéléérateur FPGA qui booste les performances pour les algorithmes de graphes.

Une nouvelle méthode pour classer les chiffres dans de grands flux de données améliore la précision et l'efficacité.

De nouveaux circuits améliorent la vitesse et l'efficacité des tâches informatiques.

Une nouvelle méthode améliore l'efficacité des grands modèles de langage tout en maintenant la précision.

RAELLA améliore la technologie PIM pour rendre l'inférence DNN plus efficace.

L'Abstractor améliore la façon dont les machines comprennent les relations dans le traitement des données.

PCPNet améliore les prédictions de nuages de points futurs pour les voitures autonomes en utilisant des données passées.

TransFusionOdom améliore le positionnement des robots en fusionnant les données LiDAR et IMU.

Une méthode pour améliorer la précision de la reconnaissance d'objets dans les vidéos en utilisant des techniques de traitement avancées.

Apprends à gérer efficacement les ressources cloud avec le packing de vecteurs dynamiques.

Une nouvelle méthode améliore l'efficacité de l'entraînement du modèle CLIP en réduisant l'utilisation de la mémoire.

ATHEENA simplifie l'implémentation des réseaux Early-Exit sur FPGA, améliorant les performances et l'efficacité.