Artigos mais recentes para Aumento de Dados

Este artigo fala sobre novos métodos para melhorar a navegação perto de asteroides.

Melhorando métodos para detectar painéis solares através da tecnologia de sensoriamento remoto.

Esse artigo fala sobre como os LLMs podem criar novos conjuntos de dados para tarefas de compreensão de leitura.

Novo método gera exemplos contrafactuais para melhorar a avaliação e o treinamento do modelo.

A Regularização de Consistência que Preserva a Ordem melhora o desempenho do modelo em várias situações.

Examinando o viés social em aprendizado de máquina, focando em linguagem, visão e modelos de linguagem-visão.

Estratégias pra melhorar a interpretabilidade em sistemas de IA pra entender melhor.

Explore amostragem de Gibbs e aumento de dados na modelagem estatística.

Um novo método melhora o desempenho e a eficiência da marcação de áudio.

FDLS facilita a criação de animações digitais realistas de personagens usando aprendizado profundo.

Um novo modelo melhora o reconhecimento de categorias raras em conjuntos de dados desbalanceados.

Estudo mostra que o Aprendizado Contrastivo Supervisionado melhora o desempenho do modelo em diferentes conjuntos de dados.

Um novo modelo melhora o reconhecimento de imagem se adaptando a transformações de um jeito único.

RLLTE oferece uma estrutura flexível para desenvolver e melhorar aplicações de aprendizado por reforço.

Nova abordagem melhora modelos de deep learning para segmentação confiável de imagens médicas.

Novas técnicas melhoram o desempenho do modelo usando dados rotulados limitados.

A separação adequada dos dados melhora a precisão da detecção de câncer de pulmão usando deep learning.

Um novo método melhora a geração de amostras positivas em aprendizado auto-supervisionado.

Explorando a importância da normalização de características nas dinâmicas de aprendizado não contrastivo.

BOD simplifica a análise de dados envolvendo os usuários em classificar as variáveis importantes.

Um novo modelo leve melhora a estimativa de pitch usando técnicas de aprendizado auto-supervisionado.

A pesquisa melhora a previsão de força em cirurgia robótica usando dados visuais e aprendizado de máquina.

Um método de aprendizado profundo melhora a detecção de problemas nos rins em imagens médicas.

Analisando a justiça e a precisão na detecção de usuários de estrada vulneráveis por veículos autônomos.

NAG2G melhora o processo de prever reagentes pra síntese de compostos.

Uma nova abordagem melhora os modelos de PNL contra ataques adversariais por meio de paráfrases direcionadas.

Um novo framework de IA melhora a detecção de doenças oculares por meio de técnicas de imagem aprimoradas.

Novos métodos visam melhorar o diagnóstico de pneumonia na saúde pulmonar das crianças.

O FrameFlow impulsiona o design de proteínas ao aumentar a diversidade e a funcionalidade dos suportes.

Este estudo analisa como a ML melhora a seleção de variáveis na computação simbólica.

Uma imersão profunda nos Modelos de Difusão com Denoising e sua simplificação pra melhorar o aprendizado de representação.

Uma abordagem de aprendizado auto-supervisionado melhora a análise de fibras nervosas em imagens do cérebro.

Esse trabalho examina como os LLMs melhoram a detecção de vulnerabilidades em código Java.

Usando métodos de ML pra melhorar a detecção da Doença de Alzheimer através de estratégias de dados.

Pesquisadores melhoram a precisão da classificação de sons cardíacos usando métodos de aumento de dados por codec.

O CAMBranch melhora a otimização em Programação Linear Inteira Mista com técnicas de aprendizado de máquina.

Os pesquisadores melhoram o desempenho do modelo aumentando a variedade de dados com métodos de aumento de dados inovadores.

Este estudo melhora o desempenho de GNN através de explicações de gráfico eficazes.

Uma nova abordagem pra integrar diferentes insights culturais nos modelos de linguagem.

Entendendo como construir sistemas de aprendizado de máquina mais confiáveis contra ameaças adversariais.