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

۶۸ مقاله منتشر شده

مقایسه انواع هوش مصنوعی و روش‌های مورد استفاده در امنیت سایبری
آموزش کاربردی

«برتری مدل‌های کوچک»، رویکرد جدید در مقابله با حملات سایبری

صنعت امنیت سایبری از مدل‌های عمومی به سمت مدل‌های زبانی کوچک (SLM) و تخصصی حرکت می‌کند. این تغییر رویکرد، شناسایی تهدیدات در لحظه را ممکن کرده و همزمان حریم خصوصی داده‌های حساس را…

۲۰ دقیقه خواندن
جمع‌آوری داده برای آموزش ربات‌ها کار سخت و کم‌حاشیه‌ای است. برخی آزمایشگاه‌های هوش مصنوعی قبلاً به ایکس‌دی‌او‌اف برای این کار

درون قمار ۷۰ میلیون دلاری XDOF برای رفع گلوگاه داده‌های رباتیک

استارت‌آپ XDOF با جذب ۷۰ میلیون دلار سرمایه، زیرساخت جمع‌آوری داده‌های باکیفیت برای هوش مصنوعی فیزیکی را می‌سازد. این شرکت خدماتی را ارائه می‌دهد که آزمایشگاه‌های بزرگ AI برای…

۴ دقیقه خواندن
نمره ۹.۶۶ از ۱۰: StateGen توهمات فراخوانی ابزار را در ۶۵ هزار گفتگو حذف کرد

نمره ۹.۶۶ از ۱۰: StateGen توهمات فراخوانی ابزار را در ۶۵ هزار گفتگو حذف کرد

پلتفرم StateGen با معرفی یک مدیریت وضعیت متمرکز و ساختار چهار-نقش، توهمات مربوط به نتایج ابزارها در عامل‌های هوش مصنوعی را حذف کرده است. این معماری با تولید داده‌های مصنوعی دقیق،…

۲ دقیقه خواندن
چگونه شبیه‌سازی اجزای موج قلب، دقت تشخیص ناهنجاری‌های نادر ECG را ۳۳٪ بالا برد؟

چگونه شبیه‌سازی اجزای موج قلب، دقت تشخیص ناهنجاری‌های نادر ECG را ۳۳٪ بالا برد؟

محققان با توسعه یک الگوریتم سنتز داده‌های دانش‌محور، توانستند دقت تشخیص بیماری‌های نادر قلبی را از طریق شبیه‌سازی اجزای فیزیولوژیک ضربان قلب به‌طور چشم‌گیری افزایش دهند. این…

۱ دقیقه خواندن
++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