4092 articles
Cette étude démontre les avantages de performance significatifs des GPU NVIDIA RTX 3050 par rapport aux CPU Intel dans l'entraînement du deep learning, révélant une accélération de 40,6 fois pour les modèles ResNet50 à grande échelle sur le jeu de données CIFAR-10.
Xender+ est un nouveau cadre qui améliore l'efficacité de la transmission des données de séries temporelles en remplaçant le réentraînement fréquent des modèles en ligne par une bibliothèque côté cloud de modèles pré-entraînés et regroupés par motifs pour une réutilisation directe, atteignant ainsi une latence de bout en bout plus faible et une haute précision de reconstruction par rapport aux références de l'état de l'art.
Cet article introduit un cadre d'évaluation sensible aux ressources utilisant l'échantillonnage temporel adaptatif pour évaluer les compromis efficacité-précision dans la reconnaissance d'actions vidéo, démontrant que l'architecture R(2+1)D-18 réduit considérablement la consommation d'énergie tout en maintenant des performances stables à travers divers budgets de calcul.
Cette étude propose un cadre d'apprentissage profond multimodal qui intègre des images de radiographies thoraciques avec des métadonnées démographiques en utilisant une architecture ConvNeXt Large, atteignant une AUC moyenne macro de 96,88 % sur le jeu de données NIH ChestX-ray14 et démontrant une performance et une interprétabilité supérieures par rapport aux modèles existants basés uniquement sur l'image.
Cet article propose HRDAWNet, un nouveau cadre d'attention intégrant l'Attention à Triple Factorisation et le Fenêtrage Adaptatif Dynamique pour atteindre une précision de pointe dans la classification des contractions auriculaires et ventriculaires prématurées en capturant efficacement les dépendances spatio-temporelles complexes et en s'adaptant aux informations contextuelles dynamiques.
Cet article présente une étude de cas sur plusieurs semestres démontrant que le remplacement des environnements de développement PHP traditionnels basés sur XAMPP par Docker et les DevContainers dans les universités bahreïnies réduit le temps d'installation des étudiants de plus de 90 % et diminue considérablement la charge cognitive extrinsèque, évitant ainsi que des erreurs de configuration ne compromettent l'ensemble du cours.
Cet article propose une heuristique basée sur l'apprentissage pour la planification de trajectoire dynamique qui intègre un réseau de neurones sur graphe sensible au nombre de sauts (HopGNN) avec une unité récurrente à porte convolutionnelle (ConvGRU) afin de capturer efficacement les topologies spatiales multi-échelles et les changements environnementaux temporels, démontrant des taux de réussite et une efficacité de recherche supérieurs aux méthodes existantes telles que GCN-A*, GAT-A* et D* Lite dans des environnements de grille simulés.
Cet article présente un benchmark multi-domaine évaluant cinq grands modèles de langage, un lexique fondé sur des règles et un transformeur supervisé par rapport à des annotations humaines, révélant que si les modèles de premier plan comme Claude Opus 4.7 et GPT-5.5 atteignent un fort alignement avec les humains, des désaccords significatifs persistent entre les modèles et avec les étiquettes humaines — particulièrement sur le texte informel — démontrant que la sélection du modèle impacte matériellement les résultats de la classification de sentiment.
Ce document propose un nouveau cadre de tatouage numérique au niveau de l'AST, indépendant du modèle, qui intègre des signatures cryptographiquement vérifiables dans la topologie syntaxique du code généré par l'IA via des mutations structurelles préservant la sémantique, atteignant ainsi une attribution de provenance robuste et surpassant de manière significative les méthodes textuelles existantes face aux transformations de code courantes telles que le formatage, le renommage et l'injection de code mort.
Cette revue systématique de 297 études révèle que, bien que SHAP et LIME soient largement adoptés pour l'explicabilité dans l'apprentissage automatique financier — particulièrement pour la modélisation du crédit —, ils souffrent d'un manque critique d'évaluation formelle, avec seulement 9,1 % des articles évaluant la qualité de l'explication, ce qui souligne un besoin urgent de normes de validation et de déploiement plus strictes pour assurer la conformité réglementaire et la confiance.