Articoli più recenti per Deep Learning

Combinare i dati RGB e la profondità migliora il riconoscimento delle parti nella produzione.

Capire come i modelli di deep learning gestiscono l'incertezza è fondamentale per previsioni precise.

Questo articolo parla del ruolo delle perdite surrogate nella risoluzione di problemi complessi di machine learning.

Trap-MID offre un modo intelligente per proteggere i dati dagli hacker.

NeuralDEM accelera la simulazione delle particelle usando il deep learning per ottenere risultati ingegneristici migliori.

Uno sguardo alla fusione dei modelli pesati e al suo impatto sulle prestazioni del deep learning.

Un nuovo approccio migliora la comprensione delle interazioni tra neuroni e del loro ruolo nel comportamento del cervello.

Scopri come la matrice di Gauss-Newton migliora l'efficienza dell'addestramento delle reti neurali.

Questo studio mette in evidenza l'importanza delle attivazioni di medio livello nei modelli di intelligenza artificiale.

AE-DENet migliora la comunicazione dei dati attraverso metodi avanzati di stima del canale.

Un nuovo metodo semplifica il potatura dei modelli di deep learning usando principi della fisica.

Il framework ASiM migliora la precisione nelle tecnologie di deep learning a basso consumo energetico.

Dati scadenti possono portare a una scarsa performance dei modelli nelle applicazioni di deep learning.

Milabench offre benchmark personalizzati per migliorare le valutazioni delle prestazioni dell'IA.

TP-UNet migliora la segmentazione delle immagini mediche sfruttando le informazioni temporali.

xIELU offre un'alternativa promettente alle funzioni di attivazione tradizionali nel deep learning.

Gli scienziati usano il deep learning per prevedere i risultati delle collisioni tra ioni pesanti.

Nuovo metodo migliora la sicurezza del deep learning con impronte neurali randomiche.

Scopri come EAST ottimizza le reti neurali profonde attraverso metodi di potatura efficaci.

GCA-HNG migliora l'addestramento del modello creando campioni negativi difficili.

Esaminare l'impatto dell'hardware e della comunicazione sull'efficienza dell'apprendimento profondo.

Scopri come il potatura dei layer migliora l'efficienza e le prestazioni del modello.

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

FLRNet migliora la ricostruzione del flusso fluido usando dati limitati dei sensori.

MobileMamba offre un'elaborazione delle immagini efficiente per dispositivi con risorse limitate.

LRSAA migliora il rilevamento degli oggetti nelle immagini aeree usando tecniche avanzate.

Scopri come l'EPS migliora la qualità video risparmiando banda.

Scopri come il Test-Time Training aiuta i modelli ad adattarsi ai cambiamenti nei dati delle immagini.

GenDeg migliora il ripristino delle immagini creando set di dati di addestramento diversificati.

Indagare sull'impatto della riduzione del tasso sparso sulle prestazioni del modello Transformer.

Un nuovo framework migliora le prestazioni con meno immagini etichettate nella segmentazione semantica.

Scopri i vantaggi di usare EMA nei modelli di deep learning.

Gli astronomi usano il deep learning per capire meglio la struttura dell'universo.

Un nuovo metodo raggiunge un'alta precisione nel riconoscimento vocale usando pochissimi dati.

Il rumore delle etichette può ostacolare i modelli di deep learning; nuovi metodi migliorano l'accuratezza.

HGNet migliora la comunicazione wireless con soluzioni di beamforming intelligenti e veloci.

Scopri come la comunicazione THz e l'apprendimento profondo possono trasformare il trasferimento dei dati.

Nuove tecniche migliorano la rilevazione del cancro della cistifellea usando immagini ecografiche.

SEMU-Net migliora la produzione di dispositivi fotonici in silicio integrati.

Scopri come migliorare le performance di Adam con strategie di inizializzazione più efficaci.