4157 articles
Cet article propose une revue complète et une analyse comparative des performances des algorithmes classiques et quantiques pour la factorisation et les tests de primalité, concluant que si les méthodes quantiques comme l'algorithme de Shor offrent des avantages significatifs pour la factorisation, elles n'apportent pas d'avantages comparables pour les tests de primalité.
Cet article évalue empiriquement diverses méthodes de partitionnement sur des données de télédétection hyperspectrale, concluant que les algorithmes basés sur des centroïdes et peu coûteux en calcul, tels que les K-moyennes, offrent systématiquement le meilleur équilibre entre qualité, robustesse et rapidité par rapport à des alternatives plus complexes lorsqu'ils sont combinés à une réduction de dimensionnalité efficace.
Cet article introduit le modèle de conception « Scaffold Jump », un cadre opérationnel qui permet aux organisations de faire passer systématiquement et en toute sécurité les systèmes d'IA d'une surveillance humaine totale à l'autonomie en définissant quatre phases distinctes liées par des transitions fondées sur des preuves qui garantissent que les seuils de performance sont atteints tout en maintenant la responsabilité et les contraintes éthiques.
Ce document propose un système Fuzzy-GAN adaptatif qui utilise des réseaux antagonistes génératifs et la logique floue pour classer les orientations du visage en angles faibles, moyens et élevés (incluant les variations horaires et antihoraires) afin d'améliorer la reconnaissance faciale invariante à la pose pour les applications d'application de la loi.
Cet article évalue la faisabilité des RTX Neural Shaders de NVIDIA pour le rendu de fluides en temps réel, démontant que bien que les réseaux neuronaux parviennent à approximer les BSDF au niveau du pixel à des taux d'images élevés, d'importantes limitations de framework empêchent actuellement leur déploiement efficace pour les tâches de déplacement de sommets.
Cette étude propose et valide une formulation de correction partielle et sensible à la progression pour la prédiction précoce du succès dans la pratique de la programmation, démontrant qu'elle surpasse de manière significative les approches binaires et ordinales traditionnelles en capturant plus efficacement la progression de l'apprenant et en permettant un soutien pédagogique ciblé.
Cette revue systématique de 122 études (2015–2025) démontre que les modèles d'apprentissage automatique, particulièrement les approches d'ensemble et hybrides intégrées aux technologies de détection non destructives, améliorent significativement la gestion post-récolte des fruits périssables en optimisant l'évaluation de la qualité et la réduction des pertes à travers l'ensemble de la chaîne d'approvisionnement, tout en soulignant la nécessité de jeux de données standardisés et de validations en conditions réelles pour surmonter les défis actuels de déploiement.
Ce document présente la sélection de coreset alignée sur la validation (VACS), une méthode qui sélectionne le sélecteur de sous-ensemble équilibré par classe optimal en évaluant un portefeuille sur des divisions de validation internes, démontrant que la validation répétée peut considérablement améliorer la précision de la classification à peu d'exemples sous des contraintes de budget extrêmes, bien qu'elle ne surpasse pas universellement les meilleures règles de sélection statiques.
Ce document propose un cadre léger à deux étapes utilisant YOLO11s-seg pour la génération de candidats au niveau de l'instance et YOLOv8n-cls pour la classification sensible aux cas difficiles (hard-negative) et à l'occlusion, atteignant une grande précision de décision de récolte et un taux de récolte de faux positifs nul dans les environnements complexes de plantations de palmiers à huile.
Cet article propose un cadre neuro-symbolique à base de règles floues qui intègre l'estimation d'attributs dermoscopiques par apprentissage profond avec des règles cliniques extraites automatiquement afin d'améliorer la précision et l'interprétabilité de la classification du mélanome par rapport aux approches d'apprentissage profond basées uniquement sur l'image.