Articoli più recenti per Accuratezza

Questo nuovo approccio migliora il modo in cui vengono analizzate le connessioni cerebrali usando la risonanza magnetica di diffusione.

Questa ricerca mostra come GPT-4 può migliorare l'accuratezza nella classificazione delle immagini usando descrizioni visive.

Un nuovo approccio migliora l'accuratezza nell'identificare le pale delle turbine eoliche attraverso un'elaborazione delle immagini avanzata.

Nuovi metodi migliorano l'efficienza dell'addestramento dei modelli e la privacy nel deep learning.

Uno studio su come migliorare i modelli di deep learning per sistemi IoT con risorse limitate.

Un nuovo strumento di intelligenza artificiale semplifica l'estrazione dei dati da registri sanitari non strutturati in modo efficiente.

I ricercatori usano i modelli di movimento della testa per identificare la depressione in modo più preciso.

Presentiamo Eye-Llama, un modello specializzato per migliorare il supporto alla salute degli occhi.

La ricerca rivela spunti su come i modelli affrontano i problemi di parole in matematica.

Uno strumento di benchmarking per valutare i modelli YOLO su dispositivi a bassa risorsa.

Usare il machine learning per fare previsioni affidabili sulla manutenzione nei veicoli militari.

Una nuova tecnologia aiuta nella riabilitazione dopo un ictus monitorando il movimento del braccio.

Scopri come i sistemi di raccomandazione possono raggiungere sia accuratezza che diversità.

TRON migliora le raccomandazioni di shopping personalizzate usando strategie avanzate per un coinvolgimento utente migliore.

BearingPGA-Net offre un modo efficiente per diagnosticare i guasti nei cuscinetti utilizzando la tecnologia FPGA.

Un nuovo metodo migliora la classificazione delle immagini di CLIP usando informazioni contestuali.

Questo studio analizza i modelli di analisi del sentiment concentrandosi su precisione ed efficienza delle risorse.

Usare la visione artificiale per identificare piante erbacee utili in Indonesia.

OKO migliora l'accuratezza delle previsioni e la calibrazione imparando da insieme di punti dati.

Un sistema per migliorare la tecnologia linguistica somala attraverso la lemmatizzazione.

La ricerca confronta i metodi di apprendimento automatico per l'efficacia nella rilevazione delle notizie false.

TIPICAL migliora l'inferenza dei tipi, affrontando le sfide nella programmazione con maggiore precisione.

Questo studio valuta le differenze nella precisione del riconoscimento facciale tra vari gruppi di valutatori.

Nuovi metodi migliorano l'accuratezza delle previsioni razziali usando nomi e luoghi.

Un nuovo strato migliora la resistenza delle DNN a cambiamenti sottili negli input.

Nuovo metodo migliora la precisione nel trasformare l'audio del pianoforte in partiture.

Uno sguardo alla multicalibrazione e all'omnipredizione nel machine learning.

Nuovi metodi migliorano l'accuratezza del riconoscimento vocale, risolvendo errori di trascrizione comuni.

Nuovo approccio migliora l'accuratezza del tracciamento delle cellule in ampi dataset.

Un nuovo metodo confronta le risposte dei chatbot con quelle degli esperti per una valutazione migliore.

Le squadre si sono sfidate per creare sistemi di riconoscimento facciale efficienti durante l'evento EFaR 2023.

Questo articolo parla dell'importanza di prevedere i movimenti dei pedoni per la sicurezza dei veicoli autonomi.

Un nuovo metodo migliora la velocità e l'accuratezza del riconoscimento vocale riducendo l'uso delle risorse.

Nuovi metodi puntano a migliorare l'accuratezza nell'integrazione di immagini e testi nell'IA.

Nuovi metodi garantiscono l'accuratezza della posizione della telecamera in applicazioni critiche.

RMP-Loss affronta l'errore di quantizzazione nelle Reti Neurali Spiking, aumentando precisione ed efficienza.

Esplorare come la potatura e i quaternioni migliorano le performance delle reti neurali.

Questo studio mostra i vantaggi di SGD in robustezza rispetto ai metodi di training adattivi.

Scopri come il ragionamento all'indietro aumenta l'affidabilità delle risposte generate dall'IA.

Esaminando i compromessi nelle applicazioni di deep learning per i sistemi wireless.