929 articles
Cette étude propose et valide un nouveau cadre à cinq couches intégrant l'IA, l'IoT et le Jumeau Numérique qui combine les données en temps réel, l'analyse prédictive et la réalité augmentée afin d'atteindre des améliorations significatives de l'efficacité manufacturière, de la durabilité et de la collaboration homme-machine tout en s'alignant sur les valeurs de l'Industrie 5.0.
Cet article révèle une dissociation critique entre les humains et les grands modèles de raisonnement (LRM) dans l'allocation de la délibération : alors que les deux consacrent globalement plus de temps aux problèmes difficiles, les humains investissent moins de temps dans les éléments qu'ils échouent finalement à résoudre (abandonnant les tâches difficiles), tandis que les LRM génèrent paradoxalement des traces de raisonnement plus longues sur les problèmes où ils échouent (persistant dans l'incertitude), mettant en évidence une différence fondamentale dans les politiques d'arrêt et de contrôle malgré des similitudes de surface.
Cette étude propose un cadre de cybersécurité intégré à la blockchain qui utilise un modèle de réseau neuronal convolutif (CNN) pour atteindre une précision de détection de 98,3 % et une capacité de prévention de 100 % contre les attaques par déni de service (DoS) dans les systèmes de réseaux basés sur l'IA.
Cette étude démontre que le prompt assisté par l'IA améliore la complexité visuelle et l'engagement comportemental dans le dessin numérique, tout en révélant que les modèles d'apprentissage automatique peuvent mieux prédire les catégories affectives larges que les émotions fines à partir de ces caractéristiques de dessin.
DIT est un protocole d'authentification décentralisé et post-quantique qui élimine la hiérarchie traditionnelle des autorités de certification en ancrant les identités de domaine dans des clés ML-DSA-65 vérifiées par DNSSEC et en utilisant un handshake hybride X25519MLKEM768 avec des journaux de transparence de Merkle pour fournir une confiance efficace et révocable sans autorités de certification centralisées.
Cet article propose un cadre de fusion à triple mémoire guidé par l'incertitude qui exploite le Mamba probabiliste pour quantifier l'incertitude du mouvement et fusionner dynamiquement les mémoires de mouvement, d'apparence et de catégorie, atteignant ainsi des performances de pointe pour le suivi multi-objets robuste à travers des scènes dynamiques complexes.
Cet article propose un schéma de chiffrement d'images en niveaux de gris qui combine une boîte S générée par une transformation fractionnaire cubique avec une carte logistique pour effectuer la substitution, la diffusion et le mélange basé sur le XOR, démontrant une sécurité robuste grâce à des analyses statistiques et de sensibilité aux clés exhaustives.
Cette étude propose un cadre d'IA complet pour la fabrication pharmaceutique qui intègre la modélisation prédictive avec l'explicabilité, l'équité, le calibrage, la surveillance de la dérive et la traçabilité réglementaire afin de garantir des décisions de gouvernance de la qualité défendables et prêtes pour les audits.
Cette étude démontre qu'un modèle d'apprentissage profond léger, YOLO11n, peut atteindre une précision quasi parfaite dans la classification automatique des méthodes de transformation des concombres de mer séchés (salage, fumage et rôtissage) à partir d'images d'objets denses, offrant ainsi une alternative robuste et non destructive à l'inspection manuelle subjective pour le classement de la qualité.
Ce papier propose SGMS-DTDNet, un réseau de distillation à double enseignant multi-échelle guidé par la sémantique qui intègre la sémantique spécifique au domaine, les priors structurels et la sélection adaptative de caractéristiques pour atteindre des performances de pointe dans la détection unifiée d'anomalies médicales et industrielles en surmontant des défis tels que la rareté des échantillons anormaux et l'hétérogénéité des morphologies de défauts.