3867 articles
Cet article propose SOFA, un nouveau cadre d'orchestration de ressources pour les centres de données Function-as-a-Service (FaaS) géo-distribués qui optimise simultanément les coûts énergétiques, les émissions de carbone et la consommation d'eau tout en maintenant ou en améliorant la performance des accords de niveau de service (SLA).
Cet article propose un nouveau cadre cross-modal pour l'apprentissage de représentations 3D robustes qui intègre un modèle de mélange gaussien multi-granularité pour la modélisation géométrique probabiliste hiérarchique avec un module d'amélioration visuelle multi-échelle afin d'atteindre des performances de l'état de l'art en classification, en segmentation de parties et en apprentissage à partir de peu d'exemples.
Cet article présente la conception et la mise en œuvre d'un prototype de serrure de porte intelligente qui intègre la reconnaissance faciale basée sur YOLOv8n, une sonnette intelligente et un contrôle d'accès à distance via Blynk et Supabase, démontrant une grande précision et une fiabilité dans l'authentification des résidents et la gestion de l'accès des visiteurs pour la sécurité résidentielle.
Cet article propose CAFM, une méthode de fusion d'alignement local cross-modale qui utilise l'attention de fenêtre locale, la compression par goulot d'étranglement et l'apprentissage contrastif symétrique pour intégrer efficacement les caractéristiques RGB et les nuages de points 3D pour une détection et une localisation d'anomalies industrielles supérieures, atteignant des performances de pointe sur le jeu de données MVTec 3D-AD.
Cet article introduit un solveur minimal efficace sur le plan computationnel pour le problème P1P avec correspondances affines (P1AC) qui décompose la tâche en une étape de canonicalisation et une équation quadratique unique, exploitant l'équivalence entre les correspondances affines et les champs de gradient pour permettre des applications avec des cartes de descripteurs denses et invariants par isométrie tout en fournissant une analyse complète des cas dégénérés et d'échec.
Ancrée dans le cadre de l'apprentissage par renforcement, cette étude développe et évalue un agent d'IA générative fondé sur la théorie qui favorise avec succès la curiosité scientifique, tant d'état que de trait, chez les étudiants universitaires en fournissant un soutien cognitif, affectif et protecteur qui clôt les boucles de curiosité plus efficacement que l'auto-questionnement seul.
Cet article présente ThyroGuard-Net, un cadre hybride EfficientNet–Swin Transformer entraîné sur l'ensemble de données multicentrique TN3K avec une perte pondérée par la sensibilité, une incertitude évidentielle et une explicabilité basée sur le TI-RADS afin d'obtenir une classification des nodules thyroïdiens robuste, généralisable et cliniquement calibrée, avec une sensibilité améliorée par rapport aux méthodes existantes.
Graph2Path est une politique de modèles hiérarchique et guidée par la réactivité qui améliore la planification de la rétrosynthèse multi-étapes en intégrant une supervision de l'activité des atomes et des liaisons dans des états encodés sous forme de graphes, atteignant ainsi une précision de route exacte et des taux de réussite supérieurs à ceux des méthodes existantes telles que RetroSynFormer et AiZynthFinder, bien qu'avec un temps d'inférence accru.
Cet article propose ESW-YOLO, un cadre de détection d'objets de petite taille et léger basé sur YOLO11n qui intègre la Dynamic Snake Convolution, un BiFPN amélioré avec une tête de haute résolution supplémentaire et l'attention iEMA, ainsi que la perte WIoU pour améliorer significativement la précision de détection sur les cibles petites et allongées tout en maintenant un nombre de paramètres comparable.
Cet article propose un nouveau cadre d'apprentissage profond hybride et interprétable qui intègre l'optimisation par essaim particulaire (PSO), les algorithmes génétiques (GA) et l'optimisation bayésienne pour ajuster un réseau de neurones artificiels, atteignant une précision de 99,60 % dans la prédiction des résultats de placement des étudiants tout en utilisant SHAP et LIME pour fournir des informations transparentes et exploitables pour l'alignement éducatif et industriel.