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
•
Laplacian-Mechanismus verbessert Transformer: Token-Geometrie neu gestaltet
arXiv – cs.LG
•
Feature‑Salienz bestimmt XAI‑Erklärungen, nicht Informationsgehalt
arXiv – cs.LG
•
Mimetic Initialization: Neue Technik beschleunigt MLP-Training
arXiv – cs.AI
•
TruKAN: Effizientere Kolmogorov-Arnold-Netze mit Potenzfunktionen
arXiv – cs.AI
•
Erklärbares Computer‑Vision‑Framework erkennt kritische Poren in 3D‑Additiven
KDnuggets
•
Werde 2026 KI-Ingenieur: Selbstlern‑Roadmap für Skills, Tools & Projekte