929 articles
Cet article présente l'Elemental Variational Expanse (EVE), une unité variationnelle au niveau du neurone qui remplace les activations cachées déterministes par des états latents échantillonnés dépendants de l'entrée afin d'améliorer la prédiction probabiliste et de fournir des diagnostics mesurables tout en maintenant la compatibilité avec les architectures neuronales standards.
Cet article propose GeoDualNet, le premier codeur neuronal de bout en bout qui apprend conjointement la prédiction du vecteur de disparité et le codage de la carte de profondeur à travers un espace latent géométrique unifié comprenant cinq nouveaux composants, réalisant des économies de débit significatives et une qualité de vue synthétisée améliorée par rapport au 3D-HEVC traditionnel et aux codeurs multivues appris existants.
Cet article introduit la Prédiction Conforme Conditionnelle à la Modalité (MC²), une méthode qui restaure des garanties de couverture valides et informatives pour les modèles de diagnostic médical multimodaux en présence d'entrées de modalités manquantes, en stratifiant le calibrage selon les schémas de disponibilité des modalités sans nécessiter de réentraînement du modèle.
Cet article présente le verrou Enhanced Passive Reader-Writer (EPRW), une adaptation en espace utilisateur du verrou PRW original qui élimine l'exigence de battement de cœur incompatible pour les chemins de données en mode sondage tout en préservant la scalabilité et en ajoutant des fonctionnalités critiques telles que la montée en grade, la descente en grade et l'acquisition non bloquante.
Ce document propose ICATS, un cadre de planification de la pensée autonome centré sur les problèmes (Issue-Centric Autonomous Thinking Scheduling) qui permet aux robots dans des environnements dynamiques de prioriser le traitement cognitif interne en traitant divers facteurs, tels que les tâches inachevées et les risques émergents, comme des problèmes dynamiques, surpassant ainsi les méthodes traditionnelles à base fixe en termes de récompense pondérée et de détection d'état.
Cet article présente un tableau de bord interactif d'aide à la décision pour le système UAC Care, développé à l'aide de Python, Streamlit, SQLite et Power BI, qui intègre la surveillance en temps réel, l'analyse prédictive et la planification de scénarios afin d'améliorer la visibilité opérationnelle et la prise de décision fondée sur des données probantes pour les gestionnaires de soins du secteur public.
Cet article propose RL-Trust RPL, un cadre de confiance adaptatif basé sur l'apprentissage par renforcement qui atténue les attaques par trou noir dans les réseaux RPL multicast en surveillant les comportements des nœuds, tels que la livraison de paquets et la consommation d'énergie, afin de détecter et d'isoler les nœuds malveillants, améliorant ainsi la sécurité du routage et les performances du réseau.
Ce document propose un cadre hybride combinant algorithme génétique et apprentissage profond qui intègre un modèle ResNet léger à un schéma d'optimisation personnalisé piloté par AG afin de permettre une sélection rapide et économe en énergie des chefs de grappes dans les réseaux de capteurs sans fil rechargeables, retardant ainsi de manière significative la première mort de nœud et atteignant des performances quasi temps réel sans la surcharge itérative des méthodes heuristiques traditionnelles.
Cette étude propose un cadre évolutif, piloté par les mégadonnées, utilisant un Transformer Parallèle Spatio-Temporel (STPT) et des techniques de partitionnement afin de prédire avec précision les accidents de la route et les décès à Bangkok, permettant ainsi des interventions politiques fondées sur des données probantes pour améliorer la sécurité routière urbaine.
Cet article propose PHUE, une méthode d'ensemble de sous-échantillonnage progressive sensible à la difficulté qui sélectionne dynamiquement les échantillons critiques de la classe majoritaire proches de la frontière de décision et emploie une intégration pondérée multi-métrique pour surpasser de manière significative les algorithmes existants dans la classification de données déséquilibrées.