929 articles
Cet article introduit un descripteur de Heisenberg-lift léger et sensible à l'ordre, présentant une aire signée terminale et une extension en quinze dimensions, qui améliore considérablement la précision de la reconnaissance de l'écriture manuscrite en ligne en capturant les informations de direction de traversée des traits que les descripteurs euclidiens traditionnels négligent.
Cette étude évalue la fiabilité des méthodes d'explication LIME, Parzen et Greedy sur des modèles de classification de textes et d'images religieux, concluant que LIME surpasse systématiquement les autres dans l'identification de caractéristiques non fiables dans les contraintes spécifiques du jeu de données textuelles binaires et de la portée limitée des images.
Cet article introduit un schéma de subdivision interpolatoire adaptatif qui apprend les angles d'insertion locaux via un prédicteur compact par arête afin de surpasser les références à tension fixe en termes de précision et de lissage à travers les géométries euclidiennes, sphériques et hyperboliques, tout en préservant la garantie que les courbes raffinées passent par les points de contrôle originaux.
Cet article présente X-WAF, un cadre d'apprentissage automatique hybride qui combine un ensemble de classificateurs avec une explicabilité pilotée par SHAP pour atteindre une détection de haute précision et de faible latence des attaques web de type zero-day, tout en traduisant automatiquement les informations en règles ModSecurity exploitables pour une intégration transparente dans les infrastructures de sécurité existantes.
Cet article présente StrokeID-NER, un ensemble de données indonésien accessible au public comprenant 1 742 requêtes de santé générées par des patients et annotées pour des entités nommées liées à l'AVC, lequel a été utilisé pour démontrer que les modèles transformeurs affinés surpassent de manière significative les bases de référence zero-shot dans la reconnaissance de la terminologie médicale informelle et régionale, tout en soulignant que les gains de performance futurs dépendent principalement de l'expansion de la couverture lexicale plutôt que de l'architecture du modèle.
Cette étude introduit un cadre d'IA agentique évolutif et fondé sur la théorie qui évalue rigoureusement la crédibilité des affirmations des entreprises en matière de DOD, par rapport à une rubrique à cinq dimensions, révélant que si la plupart des divulgations sont partiellement substantielles, les entreprises sous-estiment souvent leur engagement réel en matière de durabilité.
Cette étude propose un cadre Mask R-CNN amélioré, optimisé par l'égalisation d'histogramme et l'optimiseur Adam, pour atteindre une mAP de 90,4 % dans la détection et la segmentation d'instances de nids-de-poule, surpassant de manière significative le modèle de base pour la surveillance intelligente des routes.
Cet article démontre que les modèles de diffusion probabilistes de débruitage (DDPM) conditionnés par classe atténuent efficacement le déséquilibre de classe sévère dans la maintenance prédictive en synthétisant des échantillons de classes minoritaires de haute fidélité, surpassant de manière significative les méthodes d'augmentation traditionnelles telles que SMOTE et les GAN en détectant les défaillances industrielles rares.
Cet article introduit le Causal Retrieval-Augmented Generation (CR-RAG), un cadre qui modélise le pipeline RAG comme un modèle causal structurel afin d'atténuer les corrélations spécieuses et de réduire les hallucinations grâce à l'ajustement par biais de fond (backdoor adjustment), au repondérage par propension inverse et à l'augmentation de données contrefactuelles, atteignant des gains de performance significatifs sur des benchmarks intensifs en connaissances, particulièrement pour les questions de longue traîne.
Cet article propose un nouveau cadre de diffusion pour la restauration d'images qui emploie une modélisation interactive du déterminisme et de la stochasticité afin de s'adapter efficacement aux exigences hétérogènes de diverses tâches de dégradation, atteignant ainsi des performances et une interprétabilité supérieures à travers de multiples scénarios de restauration.