2216 articles
Ce document propose DA-LightNet, un réseau d'apprentissage profond léger et unifié qui élimine efficacement la pluie et la brume en temps réel sur des appareils de bord aux ressources limitées en employant un module de modulation sensible à la dégradation et des blocs convolutionnels efficaces pour équilibrer une haute qualité de restauration avec un faible coût computationnel.
Cet article propose un cadre adaptatif au contexte pour la synthèse de la parole émotionnelle multi-tours qui exploite la mémoire du dialogue historique et une entrée conjointe bimodale de signaux vocaux et de texte pour prédire et contrôler dynamiquement les caractéristiques acoustiques, surmontant ainsi les limites des méthodes traditionnelles basées sur la transcription afin d'obtenir des réponses naturelles et émotionnellement cohérentes.
Cet article présente un pipeline accéléré par GPU qui associe la factorisation d'entiers à un modèle d'Ising creux résolu par recuit simulé à coloration de graphe sur un NVIDIA GH200, parvenant à factoriser des semi-premiers de 128 bits en combinant des mises à jour de spins parallèles avec des techniques de post-traitement guidées.
Cette étude démontre que si l'apprentissage par transfert améliore considérablement les performances des modèles de GeoIA préentraînés pour la cartographie du solaire photovoltaïque sur les toitures à travers différentes régions géographiques, la précision prédictive seule est insuffisante pour garantir un déploiement digne de confiance, nécessitant un cadre d'évaluation complet qui tienne également compte de la robustesse, de la fiabilité, de la généralisation, de la transparence et de l'incertitude résiduelle.
Cet article présente AAPS-TLS, un cadre d'IA multi-agents open-source qui exploite le raisonnement piloté par les LLM et l'apprentissage par renforcement pour parvenir à une gestion de certificats prédictive quasi parfaite, à la détection d'anomalies de trafic chiffré et à la conformité automatisée des politiques pour l'infrastructure SSL/TLS dans les environnements cloud-native, validées par des simulations reproductibles rigoureuses et des pilotes de production indicatifs.
Cet article présente ALJ, un cadre d'authentification continue hybride à deux niveaux pour les déploiements web Zero-Trust qui remplace les modèles de proxy par de véritables algorithmes ARIMA, LCS, SVM et JRip, et introduit une stratégie de calibration axée sur la sécurité afin d'améliorer considérablement le rappel et de réduire les taux de contournement par des adversaires par rapport aux seuils statiques standards.
Ce document propose FDC-DETR, un cadre RT-DETR léger et amélioré qui intègre la convolution de Fourier, l'attention dynamique sensible à l'entropie et la fusion raffinée par le contexte pour parvenir à une détection en temps réel et de haute précision des nodules pulmonaires dans les images CT tout en supprimant efficacement les interférences de l'arrière-plan.
Cette étude a développé un flux de travail en deux étapes combinant un modèle de vision par ordinateur YOLOv8s amélioré pour le criblage initial des dommages causés par les cicadelles avec un modèle de spectroscopie proche infrarouge pour réévaluer les cas incertains, atteignant une précision de notation globale de 89,5 % pour les feuilles de thé fraîches, ce qui surpasse de manière significative l'évaluation visuelle autonome.
Cet article présente un cadre de bout en bout qui permet aux robots quadrupèdes d'exécuter des commandes en langage naturel de forme libre en combinant un module de compréhension du langage naturel (NLU) léger avec une politique PPO conditionnée par un objectif et une distillation enseignant-élève, atteignant une locomotion robuste, adaptative et économe en énergie tant dans les simulations que dans les expériences en conditions réelles.
L'article propose Steel-CGA, un détecteur léger basé sur YOLO26s qui intègre des modules d'attention Canal-Spatial-Sémantique, de Fusion Résiduelle Dilatée Groupée et de Sous-échantillonnage Adaptatif afin d'améliorer significativement la précision de la détection en temps réel des défauts de surface de l'acier tout en réduisant les coûts computationnels.