Articoli più recenti per Deep Learning

Scopri come ConKeD migliora l'allineamento delle immagini retiniche per un monitoraggio migliore delle malattie.

Nuove tecniche migliorano il rilevamento delle anomalie nelle ispezioni visive usando il machine learning.

Nuovi modelli migliorano le previsioni dell'affinità di legame dei farmaci utilizzando interazioni anticorpo-antigene.

Una panoramica delle reti neurali bayesiane e della loro importanza nell'IA.

BandIt migliora la separazione delle sorgenti audio usando tecniche innovative di deep learning.

Un nuovo metodo che migliora le reti neurali potate per una migliore prestazione.

Questo studio presenta nuovi metodi per creare immagini HDR dai dati grezzi del sensore.

Un nuovo framework migliora l'uso della memoria nelle reti neurali profonde su larga scala.

Le tecniche di deep learning migliorano le immagini della microscopia elettronica per una migliore analisi del cervello.

Un nuovo metodo migliora la segmentazione delle lesioni della sostanza bianca nei neonati pretermine.

L'allenamento efficiente a basso rango migliora i modelli CNN per ambienti con risorse limitate.

SADIR migliora la ricostruzione 3D integrando conoscenze sulla forma per una maggiore precisione.

AutoFT migliora le prestazioni del modello su dati mai visti grazie a tecniche di fine-tuning innovative.

A-Eval valuta modelli per segmentare organi addominali su diversi set di dati.

Un nuovo modello migliora la qualità delle immagini HDR usando impostazioni di luce diverse.

DTS migliora l'efficienza nella presa di decisioni usando reti neurali in ambienti con pochi dati.

Momentum-SAM offre un'alternativa efficace ai metodi di training tradizionali per le reti neurali.

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

Un nuovo metodo riduce i parametri nei modelli transformer mantenendo le prestazioni.

Un nuovo strumento semplifica l'apprendimento sui Vision Transformers e le loro operazioni.

LMBiS-Net migliora la segmentazione dei vasi retinici per una migliore rilevazione delle malattie oculari.

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

Impara come migliorare l'efficienza del modello transformer con un design adatto alle GPU.

Uno studio rivela forti schemi nei CNN separabili in profondità legati alla visione biologica.

tGAN migliora l'analisi delle immagini cellulari grazie alla generazione di dati sintetici.

EnCodecMAE combina l'apprendimento auto-supervisionato e i codec audio per migliorare le performance nei compiti audio.

Simba migliora l'efficienza dell'ottimizzazione, affrontando bene i punti di sella e le zone piatte.

Uno sguardo semplice su come i tensori interagiscono nelle reti neurali.

BlackMamba combina modelli di stato-spazio e miscele di esperti per compiti linguistici efficienti.

DeepAAT migliora la velocità e la precisione nella mappatura aerea usando tecniche di deep learning.

Double-Dip combina l'apprendimento per trasferimento e la randomizzazione per proteggere contro gli attacchi di inferenza di appartenenza.

Questo studio esamina l'aggiunta della ricorrenza ai Transformers per migliorare le prestazioni nei compiti di machine learning.

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

Questo articolo parla dei metodi di deep learning per analizzare dati di traiettoria in vari settori.

Nuove tecniche migliorano la velocità e l'efficacia degli attacchi di morphing sui sistemi di riconoscimento facciale.

Questo metodo accelera l'addestramento per i modelli sequenziali senza compromettere l'accuratezza.

Esplorando l'integrazione dei LLM nelle attività di calcolo ad alte prestazioni.

MixedNUTS offre una soluzione per mescolare precisione e robustezza nel deep learning.

Scopri come le piccole perturbazioni innocue proteggono la privacy nel deep learning senza influire sulla funzionalità delle DNN.

Questa ricerca esamina come la dimensione del modello e dei dati influiscano sulle prestazioni del modello grafico.