4157 articles
Le papier présente DenoisedSR, un front-end agnostique vis-à-vis du solveur qui apprend des priors à support variable pour accélérer et améliorer significativement la précision de la régression symbolique pour la découverte de lois physiques en filtrant les variables non pertinentes avant qu'elles n'atteignent le solveur backend.
Cet article introduit le Structure-Aware Collaborative Generative Framework (SACGF), un nouveau pipeline intégrant Stable Diffusion, ControlNet et SAM pour parvenir à une reconstruction numérique de haute fidélité des surfaces d'art de laque en équilibrant la cohérence structurelle, la fidélité de la texture et la cohérence du style, validé par une nouvelle métrique quantitative et un ensemble de données spécialisé.
Ce document propose SEM-EDGE-X, un cadre d'intelligence de bord sémantique sensible à l'intention qui intègre l'extraction de caractéristiques sémantiques, le routage adaptatif et la coordination multi-agents pour surpasser de manière significative les modèles de communication conventionnels dans les réseaux dynamiques 6G drone-véhicule à faible latence.
Cet article démontre que les modèles d'apprentissage automatique, particulièrement les réseaux de neurones récurrents, peuvent prédire avec précision les temps d'attente dans des systèmes de files d'attente à priorité complexes et variables dans le temps en utilisant uniquement la longueur de la file et la priorité du client, surpassant les méthodes basées sur les arbres pour diverses règles de service non préemptives et préemptives.
Cette étude évalue six architectures d'apprentissage profond pour la détection d'objets maritimes à travers diverses conditions météorologiques, démontrant que le modèle Vision Transformer (ViT) surpasse les alternatives basées sur les CNN en atteignant une précision de 100 %, les taux d'erreur les plus bas et la vitesse de traitement la plus rapide, soulignant ainsi son potentiel pour améliorer la sécurité et la surveillance maritimes pilotées par l'IA.
Cet article propose une nouvelle méthode de sélection de caractéristiques qui intègre l'alignement de noyaux pour unifier les données médicales hétérogènes au sein d'un espace de Hilbert à noyau reproduisant, et étend le partitionnement tripartite pour modéliser explicitement l'incertitude des frontières, réduisant ainsi efficacement la dimensionnalité tout en améliorant considérablement la précision et la stabilité de la prédiction des maladies sur des ensembles de données cliniques multimodaux.
Cet article propose un cadre de supervision faible pour la détection d'anomalies dans les graphes de transactions qui exploite le transport optimal pour aligner la sémantique des règles hiérarchiques, dérivées d'arbres de décision, avec les représentations continues de transactions, générant ainsi des pseudo-étiquettes de haute qualité et surpassant les bases de référence existantes sur des ensembles de données de référence.
Cet article soutient que les registres réglementaires publics actuels pour les dispositifs médicaux d'IA sont inadéquats pour la surveillance du cycle de vie en raison d'un manque de données structurées et interrogeables sur les modifications logicielles et les attributs spécifiques à l'IA, et propose une nouvelle spécification de données pour combler ces déficits critiques dans les principales juridictions mondiales.
Cet article propose un cadre de détection d'anomalies non supervisé et multimodal qui fusionne la sémantique textuelle issue de l'OCR et les caractéristiques logiques financières pour identifier efficacement les irrégularités structurelles et la fraude dans les factures semi-structurées, surpassant ainsi les modèles de référence à modalité unique sur des données réelles.
Cet article introduit CLASP, un ordonnanceur d'apprentissage par renforcement contraint et adaptatif qui impose des contraintes de latence explicites via un prix lagrangien contrôlé par PID et une politique conditionnée par le prix, maintenant ainsi une efficacité énergétique et des objectifs de violation stables à travers des charges de travail variables là où les approches traditionnelles à récompense à poids fixe échouent.