Articoli più recenti per Reti Neurali Convoluzionali

DLSIA semplifica l'analisi delle immagini per gli scienziati usando tecniche di machine learning.

L'attenzione D-LKA migliora l'accuratezza e l'efficienza della segmentazione delle immagini mediche.

Un modello flessibile che migliora la diagnosi dei guasti nei motori elettrici in diverse condizioni.

I ricercatori usano il machine learning per analizzare i modelli di energia oscura e migliorare le intuizioni cosmologiche.

Nuovo approccio migliora il rilevamento del traffico HTTP dannoso.

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

Usare l'AI per migliorare la rilevazione dei picchi e ottenere risultati migliori per i pazienti durante l'intervento al cervello.

Un'analisi delle CNN e dei Vision Transformer per il rilevamento out-of-domain.

Un nuovo approccio per il tracciamento degli oggetti con un'architettura transformer efficiente per dispositivi a risorse limitate.

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

SDLFormer unisce tecniche avanzate per una migliore qualità delle immagini MRI e elaborazione più veloce.

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

Nuove tecniche migliorano i Vision Transformers per una performance migliore con piccoli dataset.

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

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 articolo esplora il bias di genere nei Vision Transformers rispetto ai CNN.

Un metodo che combina il Split Learning con la crittografia omomorfa migliora la privacy nell'apprendimento automatico.

Un metodo che permette l'apprendimento automatico su dati criptati per proteggere la privacy degli utenti.

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

L'IA sta migliorando l'analisi delle risonanze magnetiche per la classificazione del cancro alla prostata.

Esaminando come il calcolo neuromorfico migliora l'efficienza delle comunicazioni satellitari.

Questa ricerca esplora tecniche di deep learning per migliorare le difese contro gli attacchi di canale laterale.

Questo studio mostra come i segnali del cervello possano ricreare le immagini viste dalle persone.

Ehi, ti presento GenePointNet: un nuovo metodo per analizzare i dati di sequenziamento dell'RNA.

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

Un framework di apprendimento semi-supervisionato migliora la segmentazione delle immagini mediche con dati etichettati limitati.

Questo studio mette in evidenza la complessità del campione degli algoritmi Neural Policy Mirror Descent nel deep learning.

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

LightTBNet è un modello efficiente per una precisa rilevazione della TB in contesti a basse risorse.

Uno studio propone un metodo efficiente per misurare il grasso nei bambini usando la risonanza magnetica.

Esplorando l'impatto del machine learning sulle transizioni di fase nella fisica.

Questo studio analizza come i modelli di deep learning riconoscono le espressioni facciali rispetto agli esseri umani.

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

Questo studio esplora i problemi legati all'uso delle convnet per la creazione di filterbank audio.

Un nuovo metodo migliora il rilevamento dei difetti nelle strutture labirintiche magnetiche.

I ricercatori migliorano l'accuratezza nella classificazione dei suoni cardiaci usando metodi di aumento dei dati con codec.

Un nuovo approccio migliora il downscaling dei dati meteorologici per previsioni locali più accurate.

Rivoluzionare la comunicazione nel deep learning tramite rappresentazioni visive chiare.

BEFUnet migliora l'accuratezza nella segmentazione delle immagini mediche combinando CNN e transformer.