Articoli più recenti per CNNs

Lo studio usa modelli avanzati per identificare forti lenti galattiche tra le galassie.

I ricercatori usano l'apprendimento automatico per capire meglio le transizioni di fase nei materiali.

Uno sguardo ai metodi usati per prevedere l'aumento degli eventi di ondate di calore.

Un occhio sulla fiducia nei sistemi AI per comunicazioni 6G affidabili.

Un nuovo modello migliora l'accuratezza della mappatura dell'uso del suolo con dati limitati.

Scopri l'impatto delle attivazioni lineari a tratti sui modelli di deep learning.

La ricerca sfrutta la tecnologia CNN per classificare le fasi della divisione cellulare in C. elegans e specie correlate.

Il Modulo di Convoluzione Spaziale a Scala Incrociata migliora l'efficienza nei modelli di riconoscimento delle immagini.

Questo studio esplora l'uso delle forme delle orecchie per la classificazione di genere.

Un nuovo metodo migliora la robustezza delle CNN Mixture of Experts contro gli input avversari.

Questo documento parla di come i robot possano identificare i partner di conversazione usando indizi visivi.

Un nuovo metodo migliora la rilevazione dei cambiamenti ambientali usando immagini di telerilevamento.

Esplorare nuovi metodi per migliorare la precisione della diagnosi del cancro della pelle.

AMaizeD aiuta gli agricoltori a individuare le malattie del mais presto usando immagini dei droni.

SaEnet migliora le prestazioni delle CNN concentrandosi sulle caratteristiche essenziali nelle immagini.

Scopri come le CNN aiutano a ripulire le immagini rumorose in modo efficace.

Questo studio valuta l'affidabilità delle CNN nell'analisi delle risonanze magnetiche del cervello.

Questo studio presenta metodi per il riconoscimento dei pedoni in tempo reale usando una potenza di elaborazione limitata.

La tecnologia RRAM migliora la velocità e l'efficienza delle reti neurali convoluzionali.

Un nuovo modo per migliorare la sicurezza contro il traffico web dannoso.

Un nuovo modello migliora la precisione delle previsioni per gli organelli nella microscopia a luce trasmessa.

Modelli di deep learning innovativi migliorano il rilevamento e la risposta agli attacchi DDoS.

Un nuovo metodo migliora la convoluzione delle immagini senza padding, aumentando qualità ed efficienza.

CATS v2 migliora l'accuratezza nella segmentazione delle immagini mediche attraverso approcci ibridi.

Il nuovo modello SAMUS migliora la segmentazione delle immagini ecografiche per una maggiore accuratezza clinica.

Un nuovo approccio migliora l'analisi fMRI per una diagnosi migliore dei disturbi cerebrali.

Questo studio esamina metodi per migliorare la manutenzione predittiva con l'analisi dei dati dei sensori.

RingMo-lite migliora l'analisi delle immagini di telerilevamento con efficienza e precisione.

Un nuovo metodo migliora la diagnosi del cancro integrando segnali di causalità deboli nelle immagini mediche.

Questa tecnica semplifica la creazione di modelli CAD usando solo foto.

I nuovi modelli migliorano l'accuratezza della classificazione audio e la resilienza contro il rumore e gli attacchi.

Uno studio rivela il design ottimale della rete per l'analisi ECG usando le CNN.

Migliorare l'identificazione dei droni con segnali RF e tecniche di machine learning.

DeepBEAS3D migliora la segmentazione delle immagini mediche tramite interazione con l'utente e deep learning.

Metodi di previsione migliorati potenziano la gestione dell'energia e l'affidabilità.

ConvFormer migliora la precisione della segmentazione nelle immagini mediche combinando CNN e trasformatori.

Il deep learning migliora l'accuratezza nel rilevare i polipi del cancro colorettale.

NISF migliora la segmentazione delle forme anatomiche nelle immagini mediche con un'accuratezza migliore.

HEANA accelera i compiti CNN con una velocità e un'efficienza energetica migliorate.

Questo studio usa il machine learning per prevedere in modo efficace la dinamica delle fiamme.