پرش به محتوای اصلی

موضوع

داده‌های مصنوعی

داده‌های تولیدشده به صورت مصنوعی با استفاده از الگوریتم‌های هوش مصنوعی برای آموزش مدل‌ها و حفظ حریم خصوصی

۱۶ مقاله منتشر شده

++nnU-Net: افزایش ۲۲ درصدی دقت قطعه‌بندی پزشکی با سنتز داده‌های ثبت‌محور

++nnU-Net: افزایش ۲۲ درصدی دقت قطعه‌بندی پزشکی با سنتز داده‌های ثبت‌محور

چارچوب جدید ++nnU-Net با استفاده از فرآیند دو مرحله‌ای «ثبت تصویر» برای تولید داده‌های مصنوعی آناتومیک، دقت مدل‌های قطعه‌بندی را ارتقا داده است. این سیستم در پنج مجموعه داده…

۱ دقیقه خواندن
BSTabDiff: راهکاری برای غلبه بر «نفرین ابعاد» در تولید داده‌های مصنوعی جدولی

BSTabDiff: راهکاری برای غلبه بر «نفرین ابعاد» در تولید داده‌های مصنوعی جدولی

پژوهشگران چارچوبی به نام BSTabDiff را برای تولید داده‌های جدولی مصنوعی در حوزه‌هایی که تعداد ویژگی‌ها بسیار بیشتر از نمونه‌هاست، توسعه داده‌اند. این سیستم با استفاده از…

۱ دقیقه خواندن
INFUSER: جایگزینی «سختی مسئله» با «امتیاز تأثیر» در آموزش مدل‌ها

INFUSER: جایگزینی «سختی مسئله» با «امتیاز تأثیر» در آموزش مدل‌ها

چارچوب جدیدی به نام INFUSER با تغییر رویکرد از داده‌های «سخت» به داده‌های «مؤثر»، مدل‌های هوش مصنوعی را قادر می‌سازد تا برنامه آموزشی خود را به‌طور پویا تکامل دهند. این متد باعث…

۲ دقیقه خواندن
سازوکار NutriMLLM: عبور از بن‌بست داده با ۱.۱ میلیون تصویر مصنوعی

سازوکار NutriMLLM: عبور از بن‌بست داده با ۱.۱ میلیون تصویر مصنوعی

پژوهشگران با توسعه‌ی خانواده‌ی مدل‌های NutriMLLM، توانسته‌اند ۶۵ ریزمغذی مختلف را از روی تصاویر غذا تخمین بزنند. این دستاورد از طریق تولید ۱.۱ میلیون تصویر مصنوعی بر اساس داده‌های…

۲ دقیقه خواندن