4157 articles
Cette étude propose un cadre d'IA explicable qui intègre l'extraction de règles d'association à un profilage sensoriel tridimensionnel pour analyser les données de transactions de restaurants thaïlandais, révélant ainsi des modèles d'associations de plats ancrés culturellement et permettant la génération de recommandations de repas interprétables et authentiques.
Cette recherche propose une approche par réseau de neurones léger pour la détection d'URL de phishing utilisant le jeu de données PhiUSIIL, démontrant que l'optimisation des hyperparamètres et l'application de la mise à l'échelle des données améliorent considérablement la précision de la classification tout en maintenant une faible complexité computationnelle.
Cette étude propose un flux de travail génératif auditable pour les scènes de patrimoine en bois des minorités Miao et Dong qui intègre des priors morphologiques, un conditionnement photogrammétrique et une journalisation de la provenance afin de garantir des preuves sémantiques et structurelles révisables sans prétendre à une reconstruction de précision topographique.
Cet article propose un cadre d'apprentissage automatique basé sur les forêts aléatoires (Random Forest), amélioré par l'équilibrage de classes SMOTE-Tomek, pour détecter efficacement la fraude des prestataires de soins de santé et atténuer les risques financiers en surpassant les modèles traditionnels tels que les arbres de décision, la régression logistique, les SVM et le Naive Bayes en termes de précision et de mesures de performance clés.
Le papier propose MSAL-YOLO, un détecteur YOLOv8 amélioré qui intègre un module de convolution mixte spatio-canale, un mécanisme d'attention de coordonnées amélioré à branches multiples et une perte Wise-IoU adaptative à la région pour traiter efficacement les défis de la détection d'objets petits et densément distribués dans l'imagerie aérienne par UAV, atteignant des améliorations de performance significatives sur les jeux de données VisDrone2019 et DOTAv1.
Cette étude valide la méthode TRAUMA, une approche de couplage d'enregistrements basée sur l'apprentissage automatique supervisé utilisant LightGBM, démontrant sa capacité supérieure à récupérer de véritables correspondances avec une précision et une spécificité élevées par rapport à l'outil traditionnel CIDACS-RL dans les bases de données de santé brésiliennes.
Cet article introduit le Diamojisme, une nouvelle architecture de rendu de photomosaïque qui améliore les mosaïques d'emojis grand format en intégrant une évaluation de la pertinence thématique sémantique et une correction itérative de la palette dans un système de grille de tuiles en forme de diamant, améliorant ainsi la pertinence thématique et la précision des couleurs sans recourir à des modèles génératifs.
Ce document propose un nouveau schéma de partage visuel de secret à seuil (n, n) qui utilise des codes QR en couleur comme parts significatives pour chiffrer de manière sécurisée et récupérer sans perte des images privées en exploitant la redondance de couleur et les opérations XOR.
Cet article présente une étude empirique démontrant que la difficulté des problèmes dans les benchmarks de génération de code est une métrique stable et transférable, pilotée par des caractéristiques de spécification (telles que les exemples et la longueur du prompt) sur HumanEval et par la complexité des solutions sur MBPP, offrant ainsi des perspectives critiques pour l'amélioration des benchmarks, de l'auto-évaluation et de la conception d'outils éducatifs à mesure que les scores agrégés des modèles saturent.
Cet article présente un modèle d'apprentissage automatique pionnier qui détecte les endométriomes ovariens à partir d'images échographiques en utilisant des transformateurs de vision et l'apprentissage par transfert transmodal, atteignant une haute performance malgré la rareté et le déséquilibre des données tout en démontant la transférabilité des caractéristiques de bas niveau à travers les modalités d'imagerie médicale.