4092 articles
Cet article propose ST-GAIN+, un réseau antagoniste génératif spatio-temporel hybride qui intègre des réseaux de convolution temporelle, des mécanismes d'attention duelle et l'estimation de l'incertitude bayésienne afin de parvenir à une imputation robuste et précise des données d'irradiance solaire manquantes à travers divers taux de données manquantes et jeux de données réels.
Ce document propose un cadre d'apprentissage automatique explicable et d'Internet des Objets qui intègre des données de capteurs en temps réel avec des algorithmes d'ensemble et des techniques d'XAI afin de prédire avec précision la performance académique des élèves du secondaire et de générer des interventions pédagogiques transparentes et personnalisées.
Cette étude préenregistrée démontre que les grands modèles de langage peuvent inférer de manière fiable les traits de personnalité du Big Five à partir de conversations en direct avec une cohérence interne et une validité convergente élevées, particulièrement pour le névrosisme et l'amabilité, bien que la performance varie selon l'observabilité des traits et la stratégie de prompting.
Cette étude propose un cadre de détection d'intrusion robuste et léger pour les réseaux IoMT utilisant les jeux de données CICIoMT2024, CICIoT2023 et Edge-IIoTset, démontrant que si les modèles d'ensemble comme XGBoost excellent dans les scénarios de même domaine, une sélection de modèle minutieuse telle que la régression logistique est cruciale pour maintenir la stabilité et l'efficacité dans les environnements cross-domain malgré les défis de compatibilité des caractéristiques.
Cette étude propose un cadre de renseignement sur les menaces optimisé par l'IA qui intègre l'apprentissage automatique aux principes du Zero Trust afin d'améliorer significativement la détection des menaces en temps réel, de réduire les faux positifs et de renforcer la cyber-résilience contre les attaques sophistiquées dans les environnements cloud dynamiques.
Cet article présente SciSchema.org, la première collection multidisciplinaire de 16 schémas annotés par des experts conçus pour standardiser la description des processus scientifiques à travers divers domaines, permettant ainsi une annotation structurée, la reproductibilité et la comparaison entre les études grâce à un flux de travail de développement avec intervention humaine.
Cet article propose le Diagnostic de Fonction Épistémique (DFÉ) comme une couche de référence unificatrice pour analyser et intervenir dans les dangers complexes et concomitants de la conception assistée par l'IA en intégrant des cadres établis à travers une architecture diagnostic-intervention 2×2 et une grammaire Croyance-Moyen-Méthode-Justification (CMMJ), tout en reconnaissant la nécessité d'une validation empirique future.
Cet article introduit AMORL, un cadre adaptatif et conscient de l'entraînement combinant l'apprentissage par renforcement et les réseaux de neurones convolutifs pour mapper dynamiquement des charges de travail DNN diverses sur des réseaux sur puce (Networks-on-Chip) hétérogènes, réalisant des réductions significatives du coût de communication, du déséquilibre de charge et de la latence tout en maintenant un débit élevé et une efficacité énergétique.
Cette étude démontre que les modèles de langage de grande taille contemporains, particulièrement lorsqu'ils sont guidés par des techniques de prompt avancées, peuvent automatiser le tri des références en rhumatologie avec une précision comparable ou supérieure à celle des experts humains, éliminant ainsi efficacement la nécessité de modèles de grande échelle coûteux.
Cet article présente un cadre d'apprentissage profond hybride fédéré de bout en bout pour la détection d'intrusions dans l'IdO qui prépare et entraîne divers modèles (incluant CNN, LSTM et XGBoost) sur les ensembles de données N-BaIoT, CICIoT2023 et BoT-IoT afin d'obtenir des performances solides tout en traitant les contraintes de confidentialité et de ressources, avec des résultats soulignant le défi particulier de l'ensemble de données multiclasse CICIoT2023.