Articoli più recenti per Robustezza

Un nuovo metodo migliora sia l'accuratezza che la robustezza nei modelli di deep learning.

Indagare le vulnerabilità delle DNN contro il rumore avverso nel denoising delle immagini.

I ricercatori affrontano le sfide della stima della profondità con nuovi metodi robusti.

Nuovo metodo verifica la proprietà dei modelli DRL per prevenire furti.

Presentiamo SAP-sLDA per una migliore classificazione dei testi e un'esperienza utente più semplice.

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

Esaminando come le metodologie SSL funzionano sotto diverse condizioni delle immagini.

Questo studio migliora la robustezza del deep learning attraverso la selezione dinamica dei modelli.

Nuovi metodi migliorano la resistenza dei sistemi di rilevamento degli oggetti ai cambiamenti avversi.

MSECNet migliora la precisione e la velocità nella stima delle normali nelle nuvole di punti 3D.

Scopri come il sensing mmWave sta cambiando la comunicazione e il monitoraggio della salute.

Questo articolo esplora metodi di rilevamento di comunità sovrapposte per affrontare la manipolazione delle reti.

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

Questo articolo parla della necessità di migliori metodi di valutazione per i classificatori di deep learning.

L'algoritmo rSVDdpd offre intuizioni sui dati affidabili anche in mezzo a outlier e rumore.

DFM-X migliora le reti neurali affrontando l'apprendimento shortcut grazie a intuizioni sulle frequenze.

Questo articolo parla di come migliorare le prestazioni dei modelli di intelligenza artificiale di fronte a sfide di dati sconosciuti.

Questo studio mostra i vantaggi di SGD in robustezza rispetto ai metodi di training adattivi.

Nuove difese mirano a proteggere i modelli di apprendimento automatico dagli attacchi dei dati dannosi.

Nuove tecniche migliorano l'affidabilità degli strumenti di imaging medico contro le alterazioni dannose dei dati.

Uno studio svela vulnerabilità nei modelli linguistici aggiornati contro attacchi avversari.

DyNNs offrono un'elaborazione efficiente e prestazioni solide contro attacchi avversariali.

Un nuovo framework migliora l'affidabilità dei modelli di deep learning contro cambiamenti sottili.

Valutare la capacità dei LLM di rilevare istruzioni dannose nei prompt degli utenti.

Questo framework unisce equità e robustezza per sistemi di intelligenza artificiale responsabili.

SAM migliora il matching delle feature considerando le relazioni di gruppo nelle immagini.

Utilizzando metodi avanzati per migliorare la selezione dei donatori e avere un impatto migliore nell'analisi delle politiche.

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

Le SDE neuronali grafiche migliorano l'accuratezza del modello incorporando la casualità nell'analisi dei dati.

Un nuovo metodo migliora l'analisi dei modelli statistici per dataset complessi.

Questo articolo mette in evidenza preoccupazioni riguardo alla solidità dei controllori a rete neurale.

Usare dati reali e generati per migliorare le prestazioni del modello QA.

Uno studio su come l'architettura influisce sulla calibrazione dei modelli nelle reti neurali.

Un nuovo metodo migliora l'adattabilità e la robustezza dei sistemi di traduzione in ambiti a bassa risorsa.

GF-RLS offre una maggiore adattabilità e stabilità nei metodi di stima dei parametri.

Uno sguardo ai metodi per recuperare matrici a bassa rank da dati incompleti.

Impara tecniche per semplificare sistemi passivi complessi mantenendo le proprietà chiave.

L'addestramento avversariale migliora la resistenza dei modelli di machine learning alla manipolazione degli input.

La realtà aumentata mobile unisce i mondi digitale e fisico per esperienze coinvolgenti.

Questo articolo parla di modi per migliorare l'affidabilità dei modelli AI in ambienti che cambiano.