BaVerLy: Mini-Batch-Verifikation steigert Robustheitsprüfung neuronaler Netze
Anzeige
Neuer Ansatz für Bildklassifikation kombiniert Convolutional Neural Networks mit Aufmerksamkeitsmechanismen, um die Genauigkeit auf ImageNet zu erhöhen. Der hybride Algorithmus erzielt dabei einen signifikanten Leistungszuwachs bei gleichzeitig verbesserter Rechenleistung und eröffnet damit neue Anwendungsmöglichkeiten in der Computer Vision.
Ähnliche Artikel
arXiv – cs.LG
•
Gemeinsames Aufgaben-Framework beschleunigt wissenschaftliche Entdeckungen
arXiv – cs.AI
•
Digitaler Zwilling: 4D/5D-Framework senkt Baukosten um 43 %
The Register – Headlines
•
Sony rolls out a standard way to measure bias in how AI describes what it 'sees'
arXiv – cs.LG
•
Quanvolutional Neural Networks for Pneumonia Detection: An Efficient Quantum-Assisted Feature Extraction Paradigm
arXiv – cs.LG
•
MIN-Merging: Merge the Important Neurons for Model Merging
arXiv – cs.AI
•
AUGUSTUS: An LLM-Driven Multimodal Agent System with Contextualized User Memory