Articoli più recenti per Apprendimento per trasferimento

Uno studio sull'efficacia dei punteggi di trasferibilità nei compiti di imaging medico.

Scopri come i modelli linguistici migliorano la segmentazione delle immagini mediche.

Il modello FLAIR migliora l'analisi delle malattie oculari usando la conoscenza di esperti e immagini del fondo oculare.

Uno studio mostra come il transfer learning migliori le prestazioni nei compiti cognitivi usando i dati EEG.

Le ricerche dimostrano che l'IA può migliorare l'accuratezza nella misurazione della circonferenza della testa fetale.

Il machine learning aiuta a prevedere le condizioni dell'acqua in zone senza stazioni di monitoraggio.

Modelli recenti migliorano le previsioni sulle interazioni degli anticorpi con antigeni chiave.

Grad-CAM aiuta i dottori a fidarsi dell'IA nella diagnosi di condizioni mediche.

Presentiamo Knowledge Bridge Learning per migliorare il trasferimento di conoscenze nel deep learning.

Il trasferimento di apprendimento usa e getta affronta le preoccupazioni sulla privacy mantenendo le prestazioni del modello.

Nuovo dataset migliora la ricerca sulle cellule nervose nei roditori usando la microscopia a fluorescenza.

Questo studio esplora il pregiudizio nei modelli audio usati per il riconoscimento degli strumenti.

Un nuovo framework migliora l'uso dei dati qualitativi per prendere decisioni migliori.

TAN migliora la generazione di immagini usando dati limitati con tecniche innovative.

Le tecniche di machine learning migliorano l'analisi dei dati nella cristallografia a femtosecondi in serie.

Gli strumenti di intelligenza artificiale possono migliorare la diagnosi precoce della retinopatia diabetica per prevenire la perdita della vista.

Nuove tecniche migliorano la diagnosi delle malattie mantenendo la privacy dei pazienti.

Un nuovo metodo migliora le prestazioni del modello su diversi tipi di dati.

Esplorando nuove strategie per migliorare il movimento dei robot.

Un nuovo metodo migliora la segmentazione delle immagini mediche con meno dati etichettati.

Nuovi metodi migliorano le previsioni dell'età biologica usando dati epigenetici.

OSBORN aiuta a scegliere i migliori modelli pre-addestrati per compiti specifici.

Presentiamo MultIOD per una rilevazione degli oggetti efficiente senza ripetizioni.

Come il transfer learning migliora la rilevazione delle minacce e la privacy nella cybersecurity.

Questo studio utilizza il deep learning per prevedere il rischio di cancro al fegato nei pazienti con NAFLD.

Questo studio esamina come classificare le revisioni per migliorare la scrittura argomentativa.

TransNet offre una soluzione efficiente per riconoscere le azioni umane nei dati video.

Una panoramica delle sfide e delle soluzioni nella ricerca multilingue.

DeepVol usa il deep learning per migliorare le previsioni di volatilità su diversi asset finanziari.

Un nuovo metodo migliora l'accuratezza del modello attraverso l'apprendimento federato e la regressione kernel.

Uno studio mostra che l'apprendimento contrastivo supervisionato migliora le prestazioni del modello su diversi dataset.

Un nuovo modello di rete neurale migliora il riconoscimento del testo in diversi compiti e settori.

Nuove tecniche migliorano le prestazioni del modello usando pochi dati etichettati.

MoMA migliora l'apprendimento dell'AI in patologia con accesso limitato ai dati.

La ricerca dimostra che il machine learning può prevedere i confini di fase non Hermitiani usando dati Hermitiani.

Un nuovo modello prevede il comportamento dei materiali in modo efficiente usando tecniche di machine learning.

Nuove tecniche stanno migliorando i sistemi di risposta a domande in arabo per ottenere prestazioni migliori.

La ricerca esplora come migliorare l'adattabilità del machine learning attraverso il meta-apprendimento e l'induzione di Solomonoff.

Double-Dip combina l'apprendimento per trasferimento e la randomizzazione per proteggere contro gli attacchi di inferenza di appartenenza.

Un nuovo modo per affrontare il cambiamento di covariate nei modelli di machine learning.