“ResNet” için sonuçlar
4 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Yapay Zeka Artık Hava Durumunu Fotoğraftan Anlık Olarak Tahmin Edebiliyor
Araştırmacılar, fotoğraflardan hava durumunu gerçek zamanlı olarak sınıflandırabilen üç farklı yapay sinir ağı mimarisi geliştirdi. Bu modeller güneşli, yağmurlu, karlı ve sisli hava koşullarını görüntülerdeki stil özelliklerini analiz ederek tespit edebiliyor. Çalışmada öne çıkan yaklaşımlar arasında çoklu yama boyutları kullanan Multi-PatchGAN, sadeleştirilmiş ResNet50 ve dikkat mekanizmalı Gram matrisi tabanlı model yer alıyor. Bu gelişme, meteoroloji uygulamaları, akıllı şehir sistemleri ve otonom araçlar için önemli bir adım teşkil ediyor. Özellikle görüntülerdeki ince stil detaylarını yakalayabilen bu sistemler, geleneksel hava durumu tahmin yöntemlerini destekleyici bir rol oynayabilir.
Videoların Arka Plan Analizi İle Konum Gizliliğini Koruyan Yeni AI Sistemi
Araştırmacılar, video kayıtlarındaki arka plan görüntülerinden konum tespitine karşı koruma sağlayan PPEDCRF adlı yapay zeka sistemini geliştirdi. GPS verisi silinse bile, saldırganlar video karelerindeki arka plan ipuçlarını coğrafi etiketli referans görüntülerle eşleştirerek konumu belirleyebiliyor. Yeni sistem, dinamik koşullu rastgele alan algoritması kullanarak konuma duyarlı arka plan bölgelerini tespit ediyor ve sadece bu alanlarda kontrole Gaussian gürültü enjekte ederek konum bilgisini gizliyor. Test sonuçları, sistemin ResNet18 modelinin konum tespiti doğruluğunu %66.7'den %36.1'e düşürdüğünü, aynı zamanda görüntü kalitesini global gürültü yöntemlerine göre yaklaşık 6 dB daha iyi koruduğunu gösteriyor. Bu gelişme, kişisel gizliliğin korunması açısından önemli bir adım.
Yapay Zeka Ağlarında Yeni Matematiksel Model: Collective Kernel EFT
Araştırmacılar, derin sinir ağlarının matematiksel davranışını daha iyi anlayabilmek için yeni bir teorik çerçeve geliştirdi. ResNet mimarisi üzerinde çalışan bu model, ağların katmanlar arası gelişimini takip eden 'collective kernel effective field theory' adı verilen bir yaklaşım sunuyor. Çalışma, sonlu genişlikteki derin ağlarda empirical kernel'in nasıl stokastik olarak evrimleştiğini inceliyor ve bu süreç için yeni matematiksel denklemler türetiyor. Araştırmacılar, Gaussian yaklaşımları kullanarak sürekli derinlik ODE sistemleri elde etmiş ve bu sistemlerin geçerlilik sınırlarını belirlemiş. Bulgular, ortalama kernel değerinin tüm derinliklerde doğru kalırken, kernel kovaryansının sonlu zamanlarda hata biriktirdiğini gösteriyor.
Yapay Zeka Modelleri Neden Farklı Bilgileri Unutuyor?
Araştırmacılar, görüntü sınıflandırma yapay zeka modellerinin eğitim sırasında hangi bilgileri unuttuğunu inceledi. ResNet-18 ve DeiT-Small mimarilerini göz hastalıkları ve kuş türleri veri setleri üzerinde test eden çalışma, farklı yapay zeka mimarilerinin tamamen farklı örnekleri unuttuğunu keşfetti. Vision Transformer (ViT) modellerinin unutma süreçlerinin CNN'lere göre daha düzenli olduğu, ancak her iki mimaride de unutmanın rastgele faktörlerden etkilendiği belirlendi. Bu bulgular, yapay zeka eğitim programlarının tasarımı, veri temizleme süreçleri ve farklı modellerin birlikte kullanılması konularında önemli ipuçları sunuyor.