Artigos mais recentes para Aprendizado Profundo

Uma nova abordagem pra melhorar a detecção acústica sem comprometer a qualidade do áudio.

O EncodeNet melhora a precisão das DNNs sem aumentar o tamanho do modelo.

Apresentando os UGEs, um jeito novo de manter os dados seguros e utilizáveis.

Uma abordagem nova melhora a remoção de ruído usando uma função de perda com restrição de traço.

Explorando novas maneiras de melhorar a representação da incerteza em deep learning.

Aprenda a melhorar o desempenho da multiplicação de matrizes para deep learning no Versal ACAP.

Raciocínio contrafactual ajuda a entender as vulnerabilidades no código.

O novo modelo emoDARTS melhora a precisão em reconhecer emoções na fala usando aprendizado profundo.

Este estudo explora o impacto de clones de código em frameworks de deep learning e na qualidade do software.

A SynCellFactory gera vídeos de células sintéticas pra melhorar os dados de treino e facilitar o rastreamento.

Novo modelo melhora a estimativa de profundidade usando dados de câmera de eventos através de algoritmos eficientes.

Um novo método melhora o poder preditivo ao transformar dados tabulares em imagens.

O RSTAR-Net reduz artefatos de streak em imagens de câncer de pulmão, melhorando a precisão do tratamento.

Uma visão geral dos métodos de teste para bibliotecas de aprendizado profundo e sua importância.

Llip melhora como as imagens são combinadas com diferentes descrições textuais.

O SGD-PH combina métodos de primeira e segunda ordem pra ter um desempenho melhor no treinamento do modelo.

Descubra a GRAWA, um método que melhora o treinamento distribuído para modelos de deep learning.

Novas técnicas reduzem o acesso à memória e aumentam o desempenho em modelos de aprendizado profundo.

Uma nova abordagem pra melhorar modelos de deep learning contra ataques adversariais.

Novas técnicas melhoram o desempenho do modelo contra mudanças nos dados usando funções de perda não convexas.

Explora a ascensão e a eficiência dos Transformers de Visão no processamento de imagem.

Descubra um novo método para busca eficiente de arquitetura neural através de avaliações baseadas em grafo.

Explorando neurônios especializados projetados pra tarefas específicas em redes artificiais.

Esse artigo fala sobre os desafios de segurança dos modelos de deep learning e as estratégias de defesa.

Esse artigo fala sobre um modelo white-box pra aprendizado não supervisionado eficaz.

O BiSHop melhora o aprendizado profundo para dados tabulares com técnicas inovadoras.

Uma visão geral dos problemas e métodos na segmentação cerebrovascular para imagens médicas.

Um novo modelo melhora o desempenho dos transformers gerenciando a ineficiência de outliers.

Explorando como o SAM melhora o desempenho do modelo em meio ao barulho de rótulos.

Um framework que melhora o desempenho de agrupamento usando técnicas de aprendizado auto-supervisionado.

Um olhar sobre como o AdamW melhora o treinamento em modelos de deep learning.

Um novo framework melhora a qualidade da imagem enquanto reduz o tempo de processamento e o uso de recursos.

Uma nova medida melhora as comparações de divergência entre várias distribuições de probabilidade.

LHU-Net melhora a precisão e a eficiência na segmentação de imagens médicas, ajudando os profissionais de saúde.

Esse artigo fala sobre estimadores de gradiente eficazes pra treinamento ciente de quantização em deep learning.

Novos métodos melhoram o rastreamento de características da pele para aplicações de avaliação de saúde.

DeepJSCC melhora a qualidade da imagem em redes de retransmissão, integrando transmissão com aprendizado profundo.

SuRGe melhora imagens de baixa resolução usando técnicas avançadas de GAN.

Um novo método melhora a eficiência das redes neurais profundas por meio de otimização automática.

Um novo método melhora a edição de imagens de sensoriamento remoto usando dados mínimos e orientação por texto.