Artigos mais recentes para Aprendizado Profundo

Saiba como o ConKeD melhora o alinhamento de imagens da retina pra um melhor acompanhamento de doenças.

Novas técnicas melhoram a detecção de anomalias em inspeções visuais usando aprendizado de máquina.

Novos modelos melhoram previsões de afinidade de ligação de medicamentos usando interações anticorpo-antígeno.

Uma visão geral das redes neurais bayesianas e sua importância na IA.

O BandIt melhora a separação de fontes de áudio com técnicas inovadoras de deep learning.

Um novo método que melhora redes neurais podadas pra ter um desempenho melhor.

Esse estudo apresenta novos métodos para criar imagens HDR a partir de dados brutos do sensor.

Uma nova estrutura melhora o uso de memória em redes neurais profundas de grande escala.

Técnicas de deep learning melhoram imagens de microscopia eletrônica pra uma análise do cérebro mais massa.

Um novo método melhora a segmentação de lesões na substância branca em bebês prematuros.

O treinamento eficiente de baixa classificação melhora os modelos de CNN para ambientes com recursos limitados.

O SADIR melhora a reconstrução 3D incorporando conhecimento de forma pra ter mais precisão.

AutoFT melhora o desempenho do modelo em dados não vistos através de técnicas inovadoras de ajuste fino.

A-Eval avalia modelos para segmentar órgãos abdominais em diversos conjuntos de dados.

Um novo modelo melhora a qualidade de imagem HDR usando configurações de luz variadas.

DTS melhora a eficiência na tomada de decisões usando redes neurais em ambientes com pouca informação.

Momentum-SAM oferece uma alternativa eficiente aos métodos tradicionais de treinamento para redes neurais.

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

Um novo método reduz parâmetros em modelos de transformers enquanto mantém o desempenho.

Uma nova ferramenta facilita o aprendizado sobre Vision Transformers e como eles funcionam.

O LMBiS-Net melhora a segmentação de vasos da retina pra detectar doenças oculares com mais precisão.

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

Aprenda como melhorar a eficiência do modelo transformer com um design amigável para GPU.

Estudo revela padrões fortes em CNNs separáveis em profundidade ligados à visão biológica.

tGAN melhora a análise de imagens celulares através da geração de dados sintéticos.

EnCodecMAE combina aprendizado auto-supervisionado e codecs de áudio pra melhorar o desempenho em tarefas de áudio.

Simba melhora a eficiência da otimização, lidando bem com pontos de sela e áreas planas.

Uma visão direta de como os tensores interagem em redes neurais.

BlackMamba combina modelos de espaço de estado e mistura de especialistas pra tarefas de linguagem de forma eficiente.

DeepAAT melhora a velocidade e a precisão do mapeamento aéreo usando técnicas de aprendizado profundo.

Double-Dip combina aprendizado de transferência e randomização pra se proteger contra ataques de inferência de membros.

Esse estudo analisa como adicionar recorrência aos Transformers pra melhorar o desempenho em tarefas de aprendizado de máquina.

NISF melhora a segmentação da forma anatômica em imagens médicas com mais precisão.

Este artigo fala sobre métodos de deep learning para analisar dados de trajetória em várias áreas.

Novas técnicas melhoram a velocidade e a eficácia de ataques de morphing em sistemas de reconhecimento facial.

Esse método acelera o treinamento de modelos sequenciais sem perder precisão.

Explorando a integração de LLMs em tarefas de computação de alto desempenho.

O MixedNUTS oferece uma solução pra misturar precisão e robustez em aprendizado profundo.

Aprenda como pequenas alterações inofensivas protegem a privacidade no aprendizado profundo sem afetar a funcionalidade das DNNs.

Essa pesquisa analisa como o tamanho do modelo e dos dados impactam o desempenho do modelo gráfico.