3643 articles
Cet article présente ThyroNet, un modèle d'apprentissage profond hybride combinant des couches CNN, BiLSTM et DNN qui atteint une précision élevée (précision de test de 94,81 %) dans la prédiction de la récidive du cancer de la thyroïde en analysant efficacement les caractéristiques cliniques et pathologiques pour soutenir la planification de traitements personnalisés.
Cette revue critique cartographie la maturité des méthodes d'IA à travers le pipeline de développement des capteurs, distinguant les capacités déployées commercialement dans des domaines tels que l'étalonnage et le criblage de matériaux des affirmations largement projetées de compression du cycle de vie de bout en bout, tout en identifiant les lacunes de données clés et les conditions pour une validation future.
Cet article démontre que pour l'analyse de sentiment basée sur les aspects en domaine croisé utilisant Mamba, le simple regroupement par le dernier jeton combiné à l'adaptation par pseudo-étiquettes est plus efficace que les méthodes d'agrégation sophistiquées ou les stratégies de regroupement complexes, malgré les inefficacités d'implémentation actuelles par rapport à BERT.
Cette étude démontre que l'amélioration de la détection des usines à articles basée sur l'apprentissage automatique dans la recherche sur le cancer, en intégrant les données de texte intégral, de citations et d'images aux informations du titre et du résumé, améliore considérablement la précision du modèle, atteignant jusqu'à 98,2 % lors de la validation interne et 96,4 % lors de la validation externe.
Cet article démontre que si l'abstention sensible aux conflits dans la vérification de réclamations FEVER fournit une justification interprétable pour la rétention de réponses, elle ne parvient pas à améliorer la précision sélective par rapport au classement standard basé sur la confiance à niveaux de couverture équivalents, et qu'elle est peu performante lorsqu'elle est appliquée aux preuves scientifiques.
Cet article présente SciFilter, un système en libre accès piloté par les métadonnées qui automatise le criblage évolutif des sources de publications savantes en alignant les données bibliographiques avec des registres nationaux tels que JUFO et le Registre norvégien, atteignant une précision élevée (précision 0,95, rappel 0,96) et une fiabilité (Kappa de Fleiss 0,94) par rapport à des références de référence organisées par l'humain.
PaperAtlas est un atlas en libre accès, construit automatiquement à partir de 6,4 millions d'articles en accès ouvert, qui identifie et regroupe les méthodes de calcul et les logiciels, révélant qu'une partie significative de ces ressources est actuellement absente des registres curatés existants.
Cet article traite de la fuite de données omniprésente dans les benchmarks N-BaIoT causée par des divisions aléatoires au niveau des lignes en introduisant un protocole d'évaluation formellement disjoint par blocs et un empilement (stacking) piloté par la diversité, démontrant que si les modèles linéaires standards s'effondrent sous des contraintes temporelles rigoureuses, les arbres de décision boostés par gradient et les ensembles soigneusement construits parviennent à une classification robuste de botnets multi-classes avec des explications théoriquement fondées pour la dynamique de leur performance.
Cet article présente une revue axée sur un cadre conceptuel des écosystèmes de drones (UAV) assistés par l'IA qui introduit trois modèles analytiques pour synthétiser la recherche fragmentée sur l'autonomie, la communication et l'énergie, identifiant ainsi des modèles de conception et des directions futures à travers divers secteurs d'application.
Cet article propose un cadre de chiffrement d'images robuste et efficace qui intègre la transformée de Fourier fractionnaire, la décomposition de Hessenberg et des cartes chaotiques hybrides au sein d'un processus de confusion-diffusion à trois étapes afin d'atteindre une sécurité élevée contre diverses attaques tout en maintenant une faible complexité computationnelle.