Articoli più recenti per Funzioni di Perdita

Questa ricerca presenta il TBL per migliorare le performance dei modelli in scenari di dati ultra-sbilanciati.

Utilizzare modelli CAD può migliorare la stima della posa del robot affrontando le incertezze.

Un nuovo metodo migliora l'efficienza e la velocità della compressione dei dati.

Nuova funzione di perdita aumenta l'accuratezza nella previsione del flusso di potere in sistemi complessi.

Un nuovo modello migliora l'identificazione dei disturbi cerebrali usando un'analisi di rete innovativa.

Questo articolo esplora come la dimensione del campione influisce sulle prestazioni delle reti neurali attraverso i paesaggi di perdita.

Nuovi metodi si concentrano sulla simmetria facciale per migliorare l'accuratezza del riconoscimento.

Un nuovo metodo migliora il rendering delle scene 3D per varie applicazioni.

Questo articolo esamina nuovi approcci per migliorare i LLM utilizzando funzioni di perdita dalla visione artificiale.

Ricerca che mette in evidenza l'uso delle funzioni d'influenza per migliorare le prestazioni delle PINN nei problemi fisici.

ChronoGAN offre un nuovo metodo per generare dati di serie temporali realistici.

Le rate di apprendimento dinamiche e i super level set migliorano la stabilità nell'addestramento delle reti neurali.

Nuovi metodi migliorano le prestazioni del modello con meno punti dati.

Uno sguardo ai nuovi metodi per unire immagini con luci diverse.

M3CoL migliora la capacità dell'IA di imparare da diversi tipi di dati.

GeCo migliora il conteggio degli oggetti con meno esempi, aumentando l'accuratezza e l'affidabilità.

Un nuovo metodo semplifica la rimozione di contenuti indesiderati nei dataset visivi.

Questo metodo migliora l'affidabilità dei punteggi di confidenza del modello di linguaggio.

Un nuovo approccio migliora l'affidabilità nei sistemi di risposta alle domande.

Una nuova funzione di perdita migliora la qualità audio allineando fase e ampiezza.

Strategie innovative migliorano il rilevamento di eventi rari nei sistemi di apprendimento federato.

Questo studio analizza come la struttura dei dati influisca sull'apprendimento delle reti neurali.

Un nuovo metodo aiuta le macchine a capire meglio il testo riducendo la confusione.

Un nuovo metodo per migliorare l'addestramento nelle reti neurali informate dalla fisica.

Esplora i principi della teoria dell'informazione e il suo impatto su vari settori.

Scopri come le reti neurali possono affrontare le equazioni differenziali parziali in modo efficace.

Combinare dati medi e precisi può migliorare i modelli predittivi.

Presentiamo i Long Video Masked Autoencoders per una migliore comprensione dei video.

Esplora come funzionano i modelli CP-VAE e UP-VAE nell'interpretazione dei dati.

Esplorare come i neuroni apprendono in modo efficace in ambienti rumorosi.

Comprendere la censura e la stima nei test di durata.

Usare il deep learning per imitare il fascino del film Cinestill 800T nelle immagini digitali.

Scopri come l'inversione della rete svela il processo decisionale delle reti neurali.

Scopri come il Deep Hedging con K-FAC migliora la gestione del rischio finanziario.

Un nuovo metodo migliora la rilevazione nelle scansioni CT del torace.

Esplora come l'ANDHRA Bandersnatch migliora le reti neurali attraverso il branching.

Scopri come le previsioni intelligenti migliorano il processo decisionale usando i dati.

Scopri come i nuovi metodi migliorano il riconoscimento di oggetti piccoli nei dati 3D.

Scopri come i ricercatori svelano i legami tra i pezzi di dati.

Combinare meta-apprendimento e GAM per migliorare le soluzioni PINN per equazioni complesse.