4039 artículos
Este artículo propone un algoritmo de partición rápida en cascada adaptativa para la Codificación de Video Versátil (VVC) que integra el análisis perceptivo visual y el aprendizaje automático multinivel para reducir significativamente la complejidad de codificación manteniendo una alta eficiencia de codificación.
Este estudio introduce un marco de trabajo de Descubrimiento de Flujo de Trabajo de Doble Vista Explicable que analiza datos de registro de 278 estudiantes para revelar que el aprendizaje eficaz apoyado por la IA generativa se caracteriza no meramente por la frecuencia del chat, sino por la integración de la retroalimentación de la IA en la escritura, la revisión y la regulación de recursos cruzados.
Este artículo propone SQCAFusion, un marco de fusión de imágenes infrarrojas y visibles adaptativo a la iluminación que emplea una atención cruzada de consulta de escena multiescala con tokens de escena aprendibles para modular dinámicamente las características durante la codificación temprana, resolviendo así los problemas de ceguera de escena y mejorando la calidad de la fusión bajo diversas condiciones de iluminación.
Este artículo introduce un modelo de coste de línea de caché para el direccionamiento abierto sin reordenamiento, demostrando que mientras el agrupamiento asimétrico logra límites de acceso a memoria óptimos de , los enfoques simétricos son significativamente peores y los esquemas jerárquicos de optimalidad de sondeo siguen siendo subóptimos en términos de caché debido a los costes inevitables de acceso a memoria dictados por el parámetro .
WeanNet propone un método de aprendizaje por transferencia con eficiencia de parámetros que utiliza una ganancia escalar decreciente para conectar temporalmente una red parental congelada a un nuevo estudiante, permitiendo la eliminación sin pérdidas de la red parental y reduciendo el tamaño del modelo, demostrando un rendimiento competitivo en tareas de deriva de concepto en comparación con las Redes Neuronales Progresivas, aunque su superioridad general permanece limitada por dependencias de tareas y configuraciones específicas.
Este artículo presenta ResilientNet, un marco de trabajo consciente de la fiabilidad que mejora la resiliencia de las Redes Neuronales Profundas frente a fallos de hardware mediante cuatro estrategias sinérgicas de diseño y entrenamiento —activaciones acotadas, reordenación de capas, filtrado de NaN y entrenamiento de fallos basado en currículo— demostradas para reducir significativamente la propagación de errores y mantener una alta precisión de clasificación con una sobrecarga de inferencia insignificante a través de extensos experimentos de inyección de fallos.
Este artículo propone un marco MoE-CB, que integra un mecanismo de compuerta con expertos híbridos CNN-LSTM/CNN-BiGRU y un regresor CatBoost, para permitir una asignación de recursos dinámica, adaptativa e inteligente en redes 5G con una alta precisión de predicción.
Este artículo presenta un nuevo esquema de firma de verificador designado fuerte, parcialmente ciega y sin emparejamiento que garantiza una privacidad de grano fino y no transferibilidad con una baja sobrecarga computacional, lo que lo hace altamente adecuado para entornos de borde con recursos limitados como las redes de IoT y vehiculares.
Este estudio propone un algoritmo memético mejorado dentro de un marco de lógica difusa CPT para optimizar la programación de médicos de consulta externa de emergencia mediante la minimización simultánea del malestar psicológico del paciente y la percepción de fatiga del médico, validado a través de datos del mundo real de un hospital de Shanghái durante la pandemia de COVID-19.
Este artículo presenta MSCE, un marco de calibración post-hoc de múltiples señales que mejora significativamente la fiabilidad de las estimaciones de confianza a nivel de campo en la extracción de documentos comerciales al fusionar diversas señales como la calidad del OCR y la incertidumbre del modelo, permitiendo así mayores tasas de automatización con requisitos de precisión estrictos.