3962 articles
Cet article propose une procédure basée sur la recherche en sciences de la conception (Design Science Research) pour intégrer des personas synthétiques et des parcours générés par l'IA dans la recherche UX afin d'accélérer l'analyse initiale et la formulation d'hypothèses, tout en soulignant la nécessité critique d'une supervision humaine pour atténuer les biais et garantir la validité empirique.
Ce document propose le Multi-View Aggregation Transformer (MVAT), un cadre de travail aligné sur la géométrie qui intègre une attention multi-vues hiérarchique, des modules de modulation de canaux spécialisés et une métrique de similitude cosinus absolue pour atteindre des performances de pointe dans la recherche de formes 3D à travers plusieurs bancs d'essai.
Cet article introduit le Dense Dual-Attention Network (DDAN), un cadre d'apprentissage profond informé par la physique qui atteint des performances de pointe pour éliminer de manière robuste les bruits optiques additifs, multiplicatifs et hybrides en intégrant des blocs denses résiduels avec des mécanismes de double attention et une fonction de perte composite spécialisée.
Cet article propose un cadre de réseau de neurones convolutifs temporels (TCN) amélioré par l'attention pour la reconnaissance continue de mots de la langue des signes indienne, qui exploite Mediapipe pour l'extraction de points de repère et les convolutions dilatées pour capturer efficacement les caractéristiques spatiotemporelles, démontrant une performance supérieure par rapport aux modèles BiGRU, BiLSTM et hybrides sur un ensemble de données spécialisé.
Le papier propose CP-GOF, une méthode d'élagage lors de l'entraînement pour les champs d'opacité gaussienne qui utilise une mesure d'importance par moyenne mobile exponentielle sensible à l'âge et sans coût, ainsi qu'un mécanisme de protection du centre, afin d'éliminer les gaussiennes redondantes tout en préservant la fidélité géométrique et en réduisant les frais de stockage.
Ce document propose le modèle KG-GNN-IPR, qui intègre les graphes de connaissances et les réseaux de neurones sur graphes afin d'améliorer la précision, la robustesse et l'explicabilité des recommandations de projets d'innovation et d'entrepreneuriat interdisciplinaires pour les étudiants en exploitant efficacement les données éducatives hétérogènes et la complémentarité des compétences à plusieurs sauts.
Cet article propose un cadre d'optimisation conjointe pour la détection de petits objets qui combine l'étalonnage de caractéristiques sans dommage (Zero-Harm Feature Calibration, ZFC) pour prévenir l'effondrement de la représentation et un allocateur de frontières statistique (Statistical Boundary Allocator, SBA) pour l'assignation adaptative des requêtes, atteignant des performances de pointe sur AI-TOD-V2 et VisDrone-DET2019 tout en réduisant considérablement les coûts de calcul.
Le document introduit ESLA, un cadre qui combine la cohérence de la prédiction empirique et les représentations sémantiques pour aligner des étiquettes de reconnaissance d'entités nommées hétérogènes à travers plusieurs domaines sources, permettant un transfert de domaine efficace vers des domaines cibles non étiquetés sans nécessiter de supervision d'entraînement du côté cible.
Cette étude introduit le Multi-Scale Efficient Attention Convolutional Network (MSEACN), un modèle d'apprentissage profond basé sur EfficientNetB7 et des mécanismes d'attention duaux qui atteint des performances de pointe avec une précision de 97,69 % et un score de Kappa de Cohen de 0,98 pour le score de Gleason automatisé du cancer de la prostate en utilisant le jeu de données PANDA.
Ce document propose le réseau de neurones informés par la physique à double porte de Fourier (FDG-PINN), qui intègre un encodage de caractéristiques de Fourier multi-échelle, une architecture à double porte et une pondération adaptative de la perte pour surmonter le biais spectral et le déséquilibre des gradients, atteignant ainsi une précision supérieure dans la résolution d'équations aux dérivées partielles multi-échelles et la reconstruction de champs de température spatio-temporels complexes.