4145 articles
Cet article propose COMPASS, un système de recommandation robuste qui améliore les performances en présence de données bruitées et éparses en intégrant des vues de décomposition de bas rang multi-résolutions avec un apprentissage contrastif guidé par le social et des stratégies d'optimisation adaptatives.
Cette étude démontre que le risque de sécurité résiduel de la supervision des LLM cliniques basée sur des règles est déterminé conjointement par le protocole de déploiement (spécifiquement la disponibilité du passage de relais) et les caractéristiques d'échec du modèle de base, révélant un écart critique entre la conformité aux règles automatisées et l'adéquation clinique réelle.
Cet article démontre et prouve que l'échantillonnage de Thompson, lorsqu'il est combiné à un mécanisme d'imitation simple dans un jeu de prix de Bertrand multi-agents symétrique, converge de manière fiable vers l'équilibre de Nash de façon décentralisée et sans modèle, offrant ainsi une approche pratique d'apprentissage par renforcement pour des environnements multi-agents complexes.
Cet article présente PointCloud-ID, un cadre déterministe qui établit une identité stable et permet une vérification d'intégrité spatialement localisée pour les nuages de points géospatiaux en canonisant les données sous des profils versionnés et en construisant des arbres de Merkle partitionnés par attributs, distinguant ainsi les réencodages préservant le contenu des modifications réelles.
Cet article propose un cadre léger augmenté par diffusion qui combine un CNN léger, l'augmentation de données basée sur la diffusion et la distillation de connaissances pour atteindre une reconnaissance d'expressions faciales performante et en temps réel chez les enfants sur des appareils à ressources limitées, surpassant les modèles de référence existants sur les ensembles de données LIRIS-CSE et CAFE.
Cet article présente l'IG-COAS, un système coopératif hybride qui améliore la sécurité des dépassements sur les routes à deux voies en intégrant la communication V2X, une modélisation dynamique de l'environnement basée sur les graphes et l'apprentissage automatique assisté par le cloud afin de fournir une évaluation du risque de collision et un support à la décision prédictifs et en temps réel.
Ce document propose un cadre LSTM à deux niveaux pour les réseaux SD-WAN qui intègre la prédiction de la charge des canaux et la classification de la congestion critique afin de permettre une gestion proactive des routes, démontrant une précision de prévision et une fiabilité de décision supérieures par rapport aux méthodes traditionnelles.
Ce document propose un cadre d'adaptation de domaine inter-versions qui combine l'harmonisation des caractéristiques IEEE 802.11, l'alignement DANN/CORAL et le filtrage en ensemble ouvert basé sur la confiance afin de parvenir à une détection d'intrusions Wi-Fi de haute précision et en temps réel à travers des environnements changeants, tout en identifiant efficacement des familles d'attaques auparavant inconnues avec un étiquetage minimal dans le domaine cible.
Cet article introduit PPSNet, un nouveau cadre de comptage agnostique de la classe qui valide théoriquement le paradigme Extract-and-Match et remédie aux limites des exemplaires visuels basés sur des boîtes englobantes en employant un module de construction de priorité perceptuelle pour affiner la distribution d'échelle et un module de pondération guidé par la similitude pour améliorer l'appariement de caractéristiques, atteignant ainsi une performance supérieure à travers des scénarios de sollicitation visuelle, textuelle et zero-shot.
Cet article introduit un cadre MobileNetV2 informé par la physique pour la classification des gaz en infrarouge thermique qui intègre des caractéristiques d'entrée thermodynamiques et des fonctions de perte pénalisées par la physique afin d'atteindre une précision élevée et zéro fausse alarme pour la détection de mélanges, offrant un compromis favorable entre performance brute et plausibilité physique pour les applications critiques de sécurité.