4030 articles
Cette étude propose un modèle hybride de prédiction de la qualité de l'air qui intègre le SARIMA pour l'extraction de tendances, le TCN pour capturer la dynamique non linéaire et le SCSO pour l'optimisation des hyperparamètres, démontrant une précision et une robustesse significativement améliorées par rapport aux méthodes traditionnelles.
Cet article présente un cadre léger et robuste basé sur YOLOv11 qui exploite un préapprentissage auto-supervisé axé sur les lésions et un classificateur hiérarchique à deux étapes pour atteindre une détection de mélanome de haute précision et non invasive sur le jeu de données HAM10000, tout en maintenant une résilience face à la dégradation d'image typique des appareils mobiles.
Ce document propose un cadre d'apprentissage fédéré explicable, transparent et respectueux de la vie privée pour les réseaux de véhicules autonomes, qui intègre la sélection de caractéristiques distribuées et l'IA interprétable afin d'atteindre une prédiction de cyberattaques multiclasses de haute précision tout en maintenant la localité des données et la fiabilité des décisions.
Cet article présente un algorithme d'apprentissage compositionnel étendu pour les automates parallèles synchrones qui relâche l'hypothèse restrictive d'unicité globale sur les actions de synchronisation, permettant ainsi l'extraction scalable et correcte de modèles de composants à partir de systèmes boîtes noires réalistes avec nettement moins de ressources que les approches monolithiques.
Ce document introduit TAH-GAN, un réseau antagoniste génératif hybride sensible au temps qui intègre un encodage temporel de Fourier et un contrôle de qualité à double porte pour générer des échantillons de malwares Android alignés sur le futur, traitant efficacement la dérive conceptuelle temporelle et atteignant des taux d'évasion et une cohérence temporelle supérieurs par rapport aux bases de référence non temporelles existantes.
Cette étude propose un cadre d'ensemble de type stacking à deux niveaux qui intègre des caractéristiques issues de ResNet152, DenseNet121 et d'un CNN personnalisé, traitées par l'ACP et classées par SVM et XGBoost, afin d'atteindre une précision quasi parfaite (0,9997) dans le diagnostic de la maladie d'Alzheimer en quatre classes à partir de scanners IRM, surpassant de manière significative les références de pointe existantes.
Cet article démêle les effets du mécanisme de génération, du budget d'augmentation et de la couverture dans les modèles génératifs profonds pour la classification de malwares déséquilibrés, constatant que si la plupart des facteurs ne produisent que des gains de performance négligeables, l'augmentation du budget d'augmentation apporte une amélioration faible mais reproductible pour les classificateurs RBF-SVM, soulignant l'importance critique de la conception expérimentale dans l'évaluation des stratégies d'augmentation de données.
L'article propose MARS-Agent, un cadre multi-agents à récupération augmentée présentant un mécanisme RAG à double déclenchement et une boucle Vérifier-Adapter-Replanifier pour permettre une délibération en boucle fermée et auto-correctrice afin de renforcer la résilience des chaînes d'approvisionnement du commerce électronique transfrontalier face aux perturbations hétérogènes.
Cet article introduit un cadre d'apprentissage contrastif efficace en mémoire qui élimine le goulot d'étranglement de la mémoire quadratique des matrices de similitude denses en utilisant des calculs en flux continu et en sélectionnant dynamiquement un budget fixe de négatifs difficiles, permettant ainsi des tailles de lots nettement plus grandes sur du matériel contraint tout en maintenant l'efficacité de l'optimisation.
Cet article présente une évaluation empirique centrée sur les préoccupations des « code smells » JNI via une analyse assistée par LLM de 8 207 commits à travers 15 projets open-source, révélant que les définitions existantes de ces odeurs ne couvrent que 36,5 % des préoccupations de maintenance des développeurs et proposant trois nouvelles définitions de « smells » pour combler les lacunes identifiées.