4157 articles
Cet article propose AIO-MSVM-WMK, un nouveau cadre de SVM multiclasse tout-en-un qui intègre l'apprentissage par noyaux multiples pondérés avec l'optimisation d'échantillons pour atteindre une précision de classification supérieure et un temps de calcul considérablement réduit sur des ensembles de données de haute dimension.
PredictStroke est un système modulaire à deux étapes qui intègre un modèle d'apprentissage automatique d'ensemble pour la prédiction du risque d'AVC à long terme avec des classifieurs en temps réel basés sur la vision et la parole pour le triage des symptômes aigus, démontrant une haute performance dans l'évaluation des risques tout en validant la faisabilité de modules de détection aiguë indépendants malgré des scores en temps réel plus faibles.
Cet article introduit « Training as Treatment », un cadre causal qui modélise les assignations de rôles de données et les choix de pipelines comme des interventions afin d'analyser rigoureusement les métriques d'évaluation de l'apprentissage automatique, en tenant compte de l'interférence induite par le modèle et en permettant des diagnostics plus robustes pour l'équité, la fuite de données et la généralisation.
Cette étude propose et évalue un système de reconnaissance automatique de la parole en tigrinya indépendant du locuteur basé sur un cadre de modèle de Markov caché pour les procédures judiciaires éthiopiennes, atteignant une précision de mots de 73,84 % à l'aide d'un modèle acoustique dépendant du contexte entraîné sur un corpus personnalisé de 24 locuteurs natifs.
Cet article démontre que les équations différentielles universelles, qui intègrent des structures SIR mécanistes connues avec des réseaux de neurones pour les dynamiques de transmission incertaines, surpassent les équations différentielles neuronales (Neural ODEs) entièrement pilotées par les données en termes de précision de prévision, de robustesse et d'efficacité des données, particulièrement dans des conditions de données limitées et de bruit élevé.
Cette synthèse systématique des preuves issues de revues de littérature de 2015 à 2025 identifie les déterminants et les barrières clés à l'adoption de la réalité virtuelle à travers divers domaines, soulignant la nécessité d'un cadre intégré qui réponde aux lacunes méthodologiques et combine les facteurs cognitifs, expérientiels, physiologiques et organisationnels pour assurer un engagement durable de l'utilisateur.
Cet article présente un modèle d'évaluation par rétroaction multimodale assisté par ordinateur pour l'éducation artistique au collège, qui intègre l'analyse visuelle et textuelle à un suivi des preuves et à une révision par l'enseignant afin d'améliorer considérablement la fiabilité de l'évaluation et de réduire les taux d'erreur.
Cet article présente un cadre qui opérationnalise la lignée des données en tant qu'infrastructure pour des pipelines de données financières fiables, démontrant par son déploiement qu'il réduit considérablement les délais de réponse aux audits et permet un suivi vérifiable par machine des sources de données et des transformations.
Cet article audite les systèmes d'IA éducative en utilisant des modèles de langage au niveau du caractère et constate que, bien qu'ils puissent prédire avec succès les transitions de curriculum mises en réserve dans des ensembles de données synthétiques et réels, cette capacité découle de l'exploitation d'une factorisation explicite des métadonnées plutôt que d'une compréhension sémantique du contenu des leçons.
Cet article propose un système de classification non invasif de la sévérité de la maladie de Parkinson utilisant des données de capteurs IMU triaxiaux et l'apprentissage d'ensemble, démontrant que le modèle LightGBM surpasse les autres algorithmes d'apprentissage automatique avec une précision d'environ 97 %.