Artigos mais recentes para Robustez

Investigando vulnerabilidades de DNNs contra ruídos adversariais na remoção de ruído de imagens.

Pesquisadores enfrentam desafios de estimativa de profundidade com novos métodos robustos.

Novo método verifica a propriedade de modelos DRL pra evitar roubo.

Apresentando o SAP-sLDA pra uma melhor classificação de texto e experiência do usuário.

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

Analisando como os métodos SSL se saem em diferentes condições de imagem.

Este estudo fortalece a robustez do aprendizado profundo através da seleção dinâmica de modelos.

Novos métodos melhoram a resistência dos sistemas de detecção de objetos a mudanças adversariais.

O MSECNet melhora a precisão e a velocidade da estimativa de normais em nuvens de pontos 3D.

Descubra como a detecção mmWave tá mudando a comunicação e o monitoramento de saúde.

Este artigo explora métodos de detecção de comunidades sobrepostos pra lidar com manipulação de redes.

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

Este artigo fala sobre a necessidade de melhores métodos de avaliação para classificadores de aprendizado profundo.

O algoritmo rSVDdpd oferece insights confiáveis de dados, mesmo com outliers e barulho.

DFM-X melhora redes neurais abordando o aprendizado por atalho através de insights de frequência.

Esse artigo fala sobre como melhorar o desempenho dos modelos de IA em relação a desafios de dados desconhecidos.

Este estudo revela as vantagens do SGD em robustez em comparação com métodos de treinamento adaptativos.

Novas defesas têm o objetivo de proteger modelos de aprendizado de máquina de ataques de dados prejudiciais.

Novas técnicas melhoram a confiabilidade das ferramentas de imagem médica contra alterações de dados prejudiciais.

Um estudo revela vulnerabilidades em modelos de linguagem atualizados contra ataques adversariais.

DyNNs oferecem processamento eficiente e desempenho robusto contra ataques adversariais.

Um novo framework melhora a confiabilidade de modelos de deep learning contra mudanças sutis.

Avaliar a capacidade dos LLMs de detectar instruções prejudiciais em comandos dos usuários.

Esse framework junta justiça e robustez pra sistemas de IA responsáveis.

O SAM melhora a correspondência de recursos considerando as relações de grupo nas imagens.

Usando métodos avançados pra melhorar a seleção de doadores e ter uma análise de impacto de políticas melhor.

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

SDEs com Grafo ajudam a melhorar a precisão do modelo ao adicionar aleatoriedade na análise dos dados.

Um novo método melhora a análise de modelos estatísticos para conjuntos de dados complexos.

Esse artigo destaca preocupações sobre a robustez dos controladores de rede neural.

Usando dados reais e gerados pra melhorar o desempenho do modelo de QA.

Um estudo sobre como a arquitetura afeta a calibração de modelos em redes neurais.

Um novo método melhora a adaptabilidade e robustez dos sistemas de tradução em áreas com poucos recursos.

GF-RLS oferece melhor adaptabilidade e estabilidade nos métodos de estimativa de parâmetros.

Um olhar sobre métodos para recuperar matrizes de baixa classificação a partir de dados incompletos.

Aprenda técnicas pra simplificar sistemas passivos complexos sem perder as propriedades principais.

O treinamento adversarial melhora a resistência dos modelos de machine learning à manipulação de entradas.

A realidade aumentada móvel junta o mundo digital e físico pra experiências mais legais.

Este artigo fala sobre como aumentar a confiabilidade dos modelos de IA em ambientes em mudança.

Descubra como modelos de machine learning robustos lidam com diferentes fontes de dados para fazer previsões melhores.