Artigos mais recentes para Redes Neurais Profundas

FlexCHarts adapta os espaços de busca para redes neurais profundas pra melhorar a eficiência e o desempenho.

Explorando estratégias pra melhorar modelos de aprendizado de máquina contra ataques de dados ruins.

Uma olhada no impacto do RGD no desempenho do modelo e na generalização.

Esse artigo fala sobre técnicas pra conseguir precisão e privacidade em modelos de aprendizado de máquina.

Um novo método melhora a anotação celular em genômica de célula única.

Melhorando a clareza da voz com técnicas eficazes de cancelamento de eco e aprendizado de máquina.

ReDy otimiza a eficiência do deep learning através da quantização dinâmica, reduzindo o consumo de energia.

Uma olhada profunda na perda contrastiva supervisionada e seu impacto em redes neurais profundas.

Um jeito de encontrar e consertar erros na conversão de modelos DNN.

Explorando como os expoentes de Lyapunov em tempo finito revelam a sensibilidade da rede a mudanças nos inputs.

Apresentando o LWALM para reconhecimento eficaz de atributos de pedestres em dispositivos com recursos limitados.

A pesquisa apresenta modelos eficientes pra prever a orientação de navios usando técnicas de deep learning.

A AIMC melhora a eficiência em redes neurais profundas processando dados na memória.

Analisando como os BadNets usam filtros de spam com táticas de backdoor.

O PLiNIO simplifica a otimização de redes neurais profundas para dispositivos móveis e de borda.

Pesquisadores exploram defesas contra ataques de backdoor prejudiciais em modelos de aprendizado de máquina.

Um novo método melhora as soluções para problemas complexos de múltiplas escalas usando redes neurais.

Esse estudo compara métodos para lidar com variáveis categóricas de alta cardinalidade em aprendizado de máquina.

Métodos inovadores melhoram a eficiência do treinamento em redes neurais profundas.

Usando redes neurais profundas pra analisar dados de condução de calor e identificar funções potenciais.

Uma nova abordagem melhora modelos de aprendizado profundo para regressão não paramétrica usando treinamento adversarial.

Um método novo melhora o desempenho de DNNs para aplicações do mundo real.

Analisando a importância e as técnicas de previsão de rotas em serviços de entrega.

Os avanços em DNNs buscam melhorar a eficiência dos dispositivos IoT.

Este artigo fala sobre os benefícios e desafios do STT-MRAM para redes neurais profundas.

Uma nova camada melhora a resistência dos DNNs a mudanças sutis nos inputs.

Um foco na confiabilidade de sistemas de IA para comunicações 6G seguras.

Jade melhora a qualidade do vídeo com base no feedback dos usuários e em técnicas de streaming adaptativo.

Combinando DNNs e SNNs com criptografia homomórfica pra garantir a privacidade dos dados.

O CLLD melhora a detecção de faixas em condições difíceis usando aprendizado auto-supervisionado.

Analisando como a compressão de modelos afeta as defesas contra ataques adversariais.

Um estudo apresenta um modelo pra melhorar a identificação de impressões digitais falsas.

Apresentando uma abordagem equilibrada para podar redes neurais profundas de forma eficaz.

Um olhar sobre os desafios e soluções nos métodos de triagem do câncer de mama.

O LEAP melhora os testes adversariais para software de processamento de linguagem natural.

Pesquisas mostram como a IA pode melhorar os aparelhos auditivos em lugares barulhentos.

Esse método melhora a classificação de imagens médicas usando redes neurais gráficas.

Uma olhada nos métodos para analisar grandes conjuntos de dados espaciais e os desafios que eles apresentam.

Uma olhada em estratégias pra melhorar o desempenho de DNN em aplicações em tempo real.

Novo método resolve problemas de superexposição em gravações de vídeo do dia a dia usando deep learning.