1062 articles
Cet article propose une méthode basée sur un Transformer multimodal qui intègre des données vidéo, audio et d'attitude pour évaluer de manière robuste les niveaux d'attention des enfants d'âge préscolaire en classe, démontrant une performance et une stabilité supérieures à travers divers états de concentration par rapport aux modèles de référence.
Cet article aborde le défi de la détection d'images de produits générées par l'IA dans le commerce électronique transfrontalier en introduisant le jeu de données CBEC-AIGC-Bench et en proposant MFF-EComDet, un réseau de fusion multi-caractéristiques qui combine des branches de sémantique spatiale et d'artéfacts de fréquence avec un mécanisme d'attention croisée pour distinguer efficacement les artéfacts de génération des interférences du texte promotionnel.
FluxGraph est un cadre non supervisé pour la détection d'anomalies dans les séries temporelles qui fait la synergie entre l'attention de graphe dynamique avec mémoire de flux et le flux de caractéristiques bidirectionnel pour identifier efficacement les anomalies de type déguisement subtiles et les dérives de ligne de base graduelles dans les systèmes industriels et automobiles, surpassant les méthodes existantes grâce à une nouvelle approche de fusion multi-résiduelle.
Cet article propose un cadre multicouche qui améliore la fiabilité factuelle des grands modèles de langage en décomposant les réponses en affirmations atomiques, en les ancrant par la recherche d'informations, et en les vérifiant via un petit modèle de langage et un raisonnement neuro-symbolique, atteignant ainsi des gains de performance significatifs sur les ensembles de données HotpotQA et SciFact tout en maintenant l'interprétabilité et l'efficacité computationnelle.
Cet article présente un cadre neuronal à contraintes de connaissances qui intègre des règles géométriques formelles dans un modèle de complétion de graphes afin de garantir une symétrie rotationnelle exacte et la validité structurelle des motifs géométriques islamiques, démontrant que si l'augmentation de données améliore la fidélité, seule l'inférence structurée par la symétrie assure l'absence de violations.
GeoMind est un cadre multi-agents autonome qui intègre un LLM local, une injection de contexte basée sur le RAG et un validateur géospatial déterministe au sein d'un système d'auto-correction en boucle fermée pour atteindre un taux de réussite des tâches de pointe de 90 % et une précision spatiale considérablement améliorée dans l'analyse géospatiale, surmontant efficacement les hallucinations sémantiques et géographiques communes aux LLM à usage général.
Cet article présente un benchmark statistiquement validé des modèles de Perceptron Multicouche, XGBoost et Forêt Aléatoire pour la classification sans contact des motifs respiratoires à l'aide de la radio logicielle, démontrant que le MLP et la Forêt Aléatoire atteignent une précision supérieure à celle de XGBoost tout en identifiant les motifs rapides et l'apnée du sommeil comme étant les plus difficiles à distinguer et en soulignant l'écart de généralisation plus élevé de la Forêt Aléatoire dû au surapprentissage.
Cet article présente un assistant de physiothérapie intelligent alimenté par l'IA qui utilise la vision par ordinateur et l'apprentissage automatique pour fournir une analyse de la posture en temps réel et un feedback correctif via une interface web, permettant ainsi une rééducation accessible, rentable et à son propre rythme sans la supervision constante d'un thérapeute.
Cette étude présente LGBM-BBB, un serveur web rapide et précis pour la prédiction de la perméabilité de la barrière hémato-encéphalique qui utilise LightGBM entraîné sur un ensemble optimisé de 59 caractéristiques avec une gestion des valeurs aberrantes par winsorisation et une optimisation du seuil du coefficient de corrélation de Matthews afin de faciliter la découverte efficace de médicaments neurothérapeutiques.
Cet article introduit un cadre complet qui combine la génération de nœuds basée sur le LSTM, la modélisation de croissance stochastique et les modèles de diffusion conditionnelle pour créer des planches réalistes d'épicéa de Norvège avec des structures internes connues, permettant ainsi l'entraînement de systèmes d'apprentissage profond pour des tâches d'évaluation du bois où les données appariées réelles sont rares.