4157 articles
Cet article propose un cadre léger et interprétable qui combine une modélisation de mouvement standard guidée par la biomécanique avec un ST-GCN à quatre couches afin de fournir une évaluation de la qualité et un retour d'information spécifiques aux phases, avec une grande précision, pour le saut en longueur sans élan dans les contextes d'éducation physique.
Cet article propose un cadre d'adaptation zero-shot pour la recherche d'images composée qui exploite une supervision sémantique structurée à partir d'images non étiquetées afin d'améliorer les performances de recherche fine dans des domaines à faibles annotations sans dépendre de triplets annotés manuellement.
Cet article propose MESFusion, un nouveau cadre qui aborde les défis de la distribution hétérogène des caractéristiques et de l'intégration adaptative dans la fusion d'images médicales multimodales en combinant un module d'amélioration sensible à la modalité, un module Mamba à porte spatiale pour la capture de dépendances à longue portée, et un module de fusion adaptative guidé par des statistiques afin de parvenir à une fusion robuste et de haute qualité à travers divers ensembles de données.
Cet article propose une stratégie de recalibrage de caractéristiques légère qui améliore la précision de la régression de contours de Fourier pour la détection d'objets en télédétection en mettant l'accent de manière adaptative sur les canaux pertinents dans la branche de régression des coefficients, atteignant des gains de performance significatifs sur plusieurs références avec un surcoût computationnel négligeable.
Cet article propose un cadre à double domaine spatial-fréquentiel doté d'un mécanisme de fusion dynamique contraint pour équilibrer efficacement la modélisation de la structure globale et la préservation des détails locaux, atteignant ainsi des performances de défloutage de mouvement de pointe tout en supprimant les artefacts de l'effet de l'oscillation (ringing).
Cet article propose un cadre de chiffrement explicable et sensible à la sensibilité qui utilise un modèle de Forêt Aléatoire avec l'interprétabilité SHAP pour évaluer dynamiquement la sensibilité des e-mails et appliquer un chiffrement hybride adaptatif AES–ECC, équilibrant ainsi l'efficacité computationnelle avec une protection robuste pour les communications d'entreprise.
Cet article propose l'Agentic CAMA-DRL, un cadre d'apprentissage par renforcement profond multi-agents sensible au contexte qui coordonne les opérateurs de livraison, les stations de recharge, les planificateurs de flotte et les régulateurs environnementaux afin d'optimiser la recharge des vélos électriques dans la logistique urbaine du dernier kilomètre, atteignant des améliorations significatives de l'utilisation de la flotte, de la ponctualité, de la réduction de la congestion et des émissions de CO2 par rapport aux approches traditionnelles basées sur des règles.
Cette étude propose un flux de travail généralisable en sept étapes pour l'apprentissage d'ensemble par empilement (stacking) dans l'exploration de données éducatives qui, par une validation interinstitutionnelle rigoureuse et un audit de la fuite de données, révèle que la complexité algorithmique seule ne peut garantir la précision prédictive et souligne la nécessité critique du calibrage institutionnel et de la rigueur méthodologique.
Cet article propose HDFC-ASS, un algorithme évolutionnaire assisté par substitut flou de coopération classification-régression qui intègre une stratégie de Krigeage guidée par la corrélation des variables, un mécanisme d'exploitation locale assisté par classificateur flou, et un critère de coopération convergence-diversité-incertitude pour résoudre efficacement des problèmes d'optimisation multi-objectifs de haute dimension coûteux sous des budgets d'évaluation stricts.
Cette étude propose un réseau de neurones convolutifs léger basé sur MobileNetV2 pour l'évaluation cutanée multiparamétrique à l'aide d'imagerie faciale multi-éclairage, démontrant le potentiel de l'approche tout en soulignant les limites actuelles en matière d'extraction de caractéristiques et de performance dues au déséquilibre des données et à la petite taille de l'échantillon.