4030 articles
Cet article propose et évalue deux modèles d'ensemble pour la prédiction des maladies cardiovasculaires, concluant qu'une combinaison plus simple de trois classificateurs (DNL) surpasse un cadre plus complexe de 24 classificateurs (MEDPOLY) en atteignant une précision de 98 % tout en évitant le surapprentissage et en offrant une meilleure interprétabilité.
Ce document propose CINN, un réseau de neurones inversibles basé sur la convolution qui intègre un couplage de caractéristiques globales-locales et une mise en commun par attention multicanale pour améliorer simultanément la sécurité, l'imperceptibilité et la fidélité de récupération de la stéganographie d'image, surpassant les méthodes de pointe existantes à travers de multiples jeux de données et évaluations de stéganalyse.
Cet article propose une architecture de « modèle de langage à faisceaux » (Sheaf-State Language Model) qui remplace l'auto-attention dense, excessivement coûteuse en calcul, par un cadre de complexité moindre utilisant des dynamiques d'espace d'états locaux et des morphismes de collage sparsés et typés pour gérer efficacement le contexte et les dépendances.
GaussCast est un cadre de diffusion sensible aux dépendances pour le Gaussian Splatting 3D multicouche à utilisateurs multiples qui agrège les demandes simultanées des utilisateurs au niveau d'un proxy en périphérie afin de ne récupérer qu'une seule fois les blocs préalables partagés, réduisant ainsi considérablement le trafic amont et améliorant la latence de démarrage ainsi que la qualité de rendu par rapport aux stratégies de diffusion indépendantes par utilisateur.
Cet article propose l'algorithme State-Sensing Adaptive Artificial Bee Colony (SSA-ABC), qui surmonte les limitations de l'ABC standard grâce à une initialisation sensible à la dimensionnalité, un ajustement de recherche dynamique et des mécanismes de sélection basés sur le rang afin d'atteindre une performance supérieure dans l'optimisation de haute dimension et la planification de trajectoires de robots.
Cette étude démontre que les distances visuelles dérivées de grands modèles de vision sont significativement corrélées à la parenté historique et artistique codée par des experts à travers diverses unités culturelles et époques, suggérant que les corpus d'entraînement visuel à l'échelle d'Internet encodent intrinsèquement des régularités statistiques reflétant des relations de l'histoire de l'art.
Cet article propose une approche de l'Acteur-Critique Doux Contraint (CSAC) qui découple les contraintes de délai strictes de la fonction de récompense et emploie un mécanisme de mise en correspondance à deux étapes pour maximiser efficacement l'utilité du débit tout en minimisant les violations de délai dans des systèmes de files d'attente hétérogènes avec un trafic par rafales, surpassant ainsi l'apprentissage non contraint et les bases heuristiques.
Cette étude démontre que parmi les modèles de la famille YOLO pour la segmentation du fémur en IRM pondérée en T1, YOLOv11m-seg offre l'équilibre optimal entre efficacité des données, précision et vitesse dans les régimes de rareté de données, atteignant une performance élevée avec seulement 100 coupes annotées tout en montrant que les différences architecturales deviennent négligeables avec des ensembles de données plus importants.
Cette étude propose une méthode de compression d'images 2D informatiquement efficace utilisant la transformée en ondelettes discrètes de Haar afin de maximiser les taux de compression tout en préservant la pertinence clinique et la fiabilité diagnostique des images physiologiques.
BioSurveillance-Agent est une plateforme agentique explicable multi-méthodes qui intègre des réseaux One Health, des capteurs portables et un pipeline d'IA hybride pour permettre une surveillance et une intervention épidémiques hiérarchiques et adaptatives au contexte, démontrant des réductions significatives de la propagation des maladies et de la mortalité grâce à une prise de décision robuste et auditable par l'humain.