4157 articles
Cet article présente un système de reconnaissance automatique de la parole pour le karakalpak basé sur l'architecture wav2vec 2.0 XLS-R, qui exploite un corpus de parole karakalpak de 50 heures nouvellement créé pour atteindre un taux d'erreur de mots de 21,10 % et démontre l'impact du volume de données étiquetées sur la performance de la reconnaissance des langues à faibles ressources.
Cet article propose un cadre d'assemblage guidé par l'IA qui intègre des instructions contextuelles en temps réel directement dans la conception du produit pour remplacer les manuels statiques, démontrant à travers une étude utilisateur que cette approche réduit considérablement le temps d'assemblage, les erreurs, l'hésitation et la charge cognitive par rapport à un guidage manuel traditionnel.
Cette étude propose un modèle d'unité récurrente à porte à décroissance temporelle (TD-GRU) qui limite la décroissance temporelle à l'état caché afin de préserver les valeurs cliniques brutes, démontrant un bénéfice clinique net statistiquement crédible et une performance supérieure par rapport à plusieurs modèles de référence pour la prédiction précoce du Sepsis-3 dans des trajectoires de soins intensifs éparses et échantillonnées de manière irrégulière.
Cet article propose CCPP-LPC, un algorithme de planification de trajectoire à couverture complète qui utilise un modèle d'évaluation du coût de chemin local et une stratégie de perturbation adaptative à double guidage pour surmonter les limites des méthodes heuristiques existantes, atteignant ainsi une efficacité de calcul et une optimisation de trajectoire supérieures dans des environnements complexes.
Cet article propose une méthode de détection d'anomalies basée sur la polarisation utilisant l'indice du Minimum d'Effort pour le Consensus (MEC) sur les données des réseaux sociaux, démontrant que la surveillance des changements de désaccord public surpasse les approches traditionnelles basées sur le volume pour identifier les événements significatifs, comme validé par une étude de cas sur le débat de la réforme des retraites colombienne de 2024 sur X.
Cette étude propose un nouveau modèle d'apprentissage profond hybride combinant la décomposition de mode variationnelle (VMD), le réseau de convolution temporelle (TCN) et l'unité récurrente à porte bidirectionnelle (BiGRU) qui surpasse de manière significative neuf autres algorithmes d'apprentissage automatique pour la prédiction de l'irradiation solaire mensuelle à long terme en utilisant les données NASA POWER de la Turquie.
Cet article présente un système d'apprentissage profond basé sur DenseNet-121 qui atteint une précision de 96,52 % dans la classification de quatre types de tumeurs cérébrales à partir de jeux de données d'IRM bangladais, tout en employant Grad-CAM et des techniques connexes pour assurer la transparence et la fiabilité du modèle.
Cet article propose IDW-ADAFormer, un cadre basé sur iTransformer qui intègre une décomposition par pondération inverse de la distance adaptative, un module d'attention à diversité d'alignement à base de noyau et une fonction de perte sensible à l'AQI afin de réaliser des prévisions à moyen terme précises et interprétables des concentrations de particules fines spatialement distribuées.
Cet article propose un algorithme hybride de Pareto d'essaim de poissons artificiels qui intègre des mécanismes d'alimentation améliorés et le recuit simulé pour optimiser simultanément la planification de la séquence d'assemblage et l'équilibrage de la ligne d'assemblage en minimisant la perte d'équilibrage, les temps de commutation et le temps de battement.
Cette étude évalue la performance de l'algorithme Apriori sur des ensembles de données transactionnelles synthétiques à grande échelle pour démontrer que, bien que l'abaissement des seuils de support augmente la diversité des règles, cela accroît considérablement les coûts computationnels, soulignant ainsi la nécessité de équilibrer la profondeur algorithmique et l'efficacité par une sélection optimale des seuils.