4157 articles
Cet article présente Mixed Neural Rendering (MiNeR), un pipeline de Réalité Mixte interactif utilisant HoloLens 2 qui intègre la capture en temps réel, l'inspection in situ et la segmentation pilotée par requêtes afin de surmonter les limitations d'acquisition traditionnelles et de permettre une reconstruction 3D neurale robuste et centrée sur l'objet.
HashGuard-FL est un nouveau cadre d'apprentissage fédéré qui intègre un discriminateur GAN basé sur un hachage apprenable pour la détection d'attaques multiclasses et à grain fin avec une couche d'audit post-quantique utilisant des signatures SHAKE-256 et CRYSTALS-Dilithium afin de garantir une intégrité résistante au quantique et inviolable à travers divers benchmarks.
Cet article diagnostique l'écart de performance sévère dans la détection de caractères sur os oraculaires causé par une distribution de classes extrêmement longue traîne et propose FAR-YOLO, une base de référence découplée qui améliore significativement la précision de la reconnaissance à peu d'exemples grâce à un échantillonnage sensible à la fréquence et une augmentation préservant la morphologie sans compromettre la performance globale de localisation.
Cet article propose DP-DCGAN, un réseau antagoniste génératif convolutionnel profond amélioré par la confidentialité différentielle qui emploie le clipsage de gradient adaptatif et l'injection de bruit pour atteindre un équilibre supérieur entre la protection de la vie privée et la synthèse d'images de haute qualité sur des jeux de données standards.
Cet article introduit une fonctionnalité d'équilibrage de charge adaptatif pilotée par l'IA pour CloudSimPlus qui utilise un modèle d'arbre de décision pré-entraîné pour sélectionner dynamiquement la stratégie la plus appropriée parmi un cadre unifié de politiques basé sur des métriques en temps réel et des objectifs définis par l'utilisateur, améliorant ainsi l'efficacité et la prise de décision dans les environnements cloud dynamiques.
Cet article soutient que donner la priorité à une forte généralisation du modèle pour prévenir le surapprentissage est une stratégie plus efficace pour atténuer les attaques d'inférence de membre et d'attribut dans les systèmes de détection d'intrusion SDN-IoT que de s'appuyer uniquement sur la confidentialité différentielle, en proposant un modèle en cascade hybride AOPRF-XGBoost pour atteindre une grande précision de détection tout en préservant la confidentialité.
Cet article propose LA-MOCHS, un cadre évolutionnaire sensible à la durée de vie qui traite la sélection multi-objectif de chefs de grappes dans les réseaux de capteurs sans fil sous-marins en modélisant la capacité de service comme un problème de maximisation d'influence sous-modulaire, atteignant ainsi une durabilité de réseau à long terme supérieure grâce à des stratégies de déploiement sensibles à la charge plutôt qu'à l'optimalité d'un tour unique.
Cet article présente un cadre respectueux de la vie privée et aux ressources contraintes pour la prédiction précoce des risques étudiants, qui intègre des modèles XGBoost calibrés, une explicabilité basée sur SHAP et une couche d'intervention agentielle sensible au budget afin de garantir une prise de décision précise, interprétable et conforme tout en prenant en charge l'apprentissage non supervisé (machine unlearning).
Cet article présente CerebroTune, une nouvelle métaheuristique hybride bio-inspirée qui intègre les automates cellulaires, un algorithme de colonie d'abeilles artificielles modifié et l'apprentissage par renforcement avec des réseaux de Hopfield pour optimiser dynamiquement les hyperparamètres de l'apprentissage profond, atteignant ainsi une précision supérieure, des coûts de calcul réduits et une stabilité accrue à travers divers domaines par rapport aux méthodes existantes.
Cet article propose un algorithme d'optimisation de mine d'or amélioré avec un cadre de partage d'informations à double couche et une dominance de Pareto dynamique (IGMO-DP) pour résoudre efficacement le problème d'ordonnancement multi-objectif des essaims d'UAV hétérogènes en optimisant simultanément le temps d'achèvement de la mission, la consommation d'énergie et l'équilibre de la charge, démontrant une convergence et une diversité de solutions supérieures par rapport aux algorithmes de pointe.