Articoli più recenti per Reti Neurali Profonde

FlexCHarts adatta gli spazi di ricerca per le reti neurali profonde per migliorare l'efficienza e le prestazioni.

Esplorando strategie per migliorare i modelli di apprendimento automatico contro attacchi di dati dannosi.

Uno sguardo all'impatto di RGD sulle prestazioni del modello e sulla generalizzazione.

Questo articolo parla di tecniche per ottenere precisione e privacy nei modelli di machine learning.

Un nuovo metodo migliora l'annotazione delle cellule nella genomica a singola cellula.

Migliorare la chiarezza della voce attraverso tecniche efficaci di cancellazione dell'eco e machine learning.

ReDy ottimizza l'efficienza del deep learning attraverso la quantizzazione dinamica, riducendo il consumo energetico.

Uno sguardo approfondito sulla perdita contrastiva supervisionata e il suo impatto sulle reti neurali profonde.

Un metodo per trovare e sistemare errori nella conversione dei modelli DNN.

Esplorare come gli esponenti di Lyapunov a tempo finito rivelino la sensibilità delle reti ai cambiamenti di input.

Presentiamo LWALM per un riconoscimento efficace delle caratteristiche pedonali su dispositivi a risorse limitate.

La ricerca presenta modelli efficienti per prevedere l'orientamento delle navi usando tecniche di deep learning.

AIMC migliora l'efficienza nelle reti neurali profonde elaborando i dati direttamente in memoria.

Esplorare come i BadNets sfruttano i filtri anti-spam tramite tattiche di backdoor.

PLiNIO semplifica l'ottimizzazione delle reti neurali profonde per dispositivi mobili e edge.

I ricercatori stanno esplorando difese contro attacchi backdoor dannosi sui modelli di apprendimento automatico.

Un nuovo metodo migliora le soluzioni per problemi complessi a più scale usando reti neurali.

Questo studio confronta metodi per gestire variabili categoriali ad alta cardinalità nel machine learning.

Metodi innovativi migliorano l'efficienza dell'allenamento nelle reti neurali profonde.

Usare reti neurali profonde per analizzare i dati di conduzione del calore e identificare funzioni potenziali.

Un nuovo approccio migliora i modelli di deep learning per la regressione non parametrica usando l'addestramento avversariale.

Un nuovo metodo migliora le prestazioni delle DNN per applicazioni nel mondo reale.

Esaminando l'importanza e le tecniche della previsione dei percorsi nei servizi di consegna.

I miglioramenti nei DNN puntano a rendere più efficienti i dispositivi IoT.

Questo articolo parla dei vantaggi e delle sfide dello STT-MRAM per le reti neurali profonde.

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

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

Jade migliora la qualità video grazie al feedback degli utenti e a tecniche di streaming adattivo.

Combinare DNN e SNN con crittografia omomorfica per garantire la privacy dei dati.

CLLD migliora il rilevamento delle corsie in condizioni difficili usando l'apprendimento auto-supervisionato.

Esaminare come la compressione dei modelli influisca sulle difese contro gli attacchi avversari.

Uno studio presenta un modello per migliorare l'identificazione delle impronte digitali false.

Introducendo un approccio bilanciato per potare efficacemente le reti neurali profonde.

Uno sguardo alle sfide e soluzioni nei metodi di screening per il cancro al seno.

LEAP migliora il testing avversariale per il software di elaborazione del linguaggio naturale.

La ricerca mette in evidenza i miglioramenti che l'AI può portare agli apparecchi acustici in ambienti rumorosi.

Questo metodo migliora la classificazione delle immagini mediche usando reti neurali grafiche.

Uno sguardo ai metodi per analizzare grandi dataset spaziali e alle loro sfide.

Uno sguardo alle strategie per migliorare le prestazioni dei DNN nelle applicazioni in tempo reale.

Nuovo metodo affronta i problemi di sovraesposizione nei video quotidiani usando il deep learning.