Artigos mais recentes para Redes Neurais Convolucionais

A atenção D-LKA melhora a precisão e a eficiência da segmentação de imagens médicas.

Um modelo flexível que melhora o diagnóstico de falhas em motores elétricos em várias condições.

Pesquisadores usam aprendizado de máquina pra analisar modelos de energia escura e melhorar os entendimentos cosmológicos.

Nova abordagem melhora a detecção de tráfego HTTP prejudicial.

Este estudo apresenta métodos para reconhecimento de pedestres em tempo real usando poder de processamento limitado.

Usar IA pra melhorar a detecção de picos e ter resultados melhores pros pacientes em cirurgia de cérebro.

Uma análise de CNNs e Transformers Visuais para detecção fora do domínio.

Uma nova abordagem para rastreamento de objetos com uma arquitetura de transformer eficiente para dispositivos com recursos limitados.

Uma nova abordagem pra melhorar a segurança contra tráfego web prejudicial.

SDLFormer combina técnicas avançadas pra melhorar a qualidade das imagens de MRI e acelerar o processamento.

Modelos inovadores de deep learning melhoram a detecção e resposta a ataques DDoS.

Novas técnicas melhoram os Transformers de Visão para ter um desempenho melhor com conjuntos de dados pequenos.

Um novo método melhora a convolução de imagens sem preenchimento, aumentando a qualidade e a eficiência.

O novo modelo SAMUS melhora a segmentação de imagens de ultrassom para uma precisão clínica melhorada.

Uma nova abordagem melhora a análise de fMRI para um diagnóstico melhor de distúrbios cerebrais.

Esse artigo investiga o viés de gênero em Transformers de Visão comparado aos CNNs.

Um método que combina Aprendizado Dividido com Criptografia Homomórfica melhora a privacidade em aprendizado de máquina.

Um método que permite aprendizado de máquina em dados criptografados pra proteger a privacidade do usuário.

RingMo-lite melhora a análise de imagens de sensoriamento remoto com eficiência e precisão.

A IA tá melhorando a análise de exames de ressonância magnética pra classificar câncer de próstata.

Analisando como a computação neuromórfica melhora a eficiência da comunicação via satélite.

Essa pesquisa explora técnicas de aprendizado profundo pra melhorar as defesas contra ataques de canal lateral.

Esse estudo mostra como os sinais do cérebro podem recriar imagens que as pessoas viram.

Apresentando o GenePointNet: um novo jeito de analisar dados de sequenciamento de RNA.

Melhorando a identificação de drones com sinais de RF e técnicas de aprendizado de máquina.

Um framework de aprendizado semi-supervisionado melhora a segmentação de imagens médicas com dados rotulados limitados.

Este estudo destaca a complexidade da amostra dos algoritmos de Descida de Espelho de Política Neural no aprendizado profundo.

DeepBEAS3D melhora a segmentação de imagens médicas através da interação do usuário e aprendizado profundo.

LightTBNet é um modelo eficiente pra detecção precisa de tuberculose em locais com poucos recursos.

Um estudo propõe uma maneira eficiente de medir gordura em crianças usando ressonância magnética.

Explorando o impacto do aprendizado de máquina nas transições de fase na física.

Esse estudo analisa como modelos de deep learning reconhecem expressões faciais em comparação com humanos.

Aprendizado profundo melhora a precisão na detecção de pólipos de câncer colorretal.

Este estudo explora problemas com o uso de convnets para a criação de filtro de áudio.

Um novo método melhora a detecção de defeitos em estruturas magnéticas labirínticas.

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

Uma nova abordagem melhora a redução de dados climáticos para previsões locais mais precisas.

Revolucionando a comunicação em deep learning com representações visuais claras.

O BEFUnet melhora a precisão na segmentação de imagens médicas juntando CNNs e transformers.

Esse estudo usa aprendizado de máquina pra prever a dinâmica das chamas de forma eficaz.