974 articles
L'article présente SPIDER-WEB, un cadre de codage tout-en-un qui permet la récupération de données en temps réel et de manière concurrente pendant le séquençage de l'ADN, atteignant des gains d'efficacité allant jusqu'à 9 083 fois par rapport aux méthodes conventionnelles et démontrant une performance de niveau CD avec un rendu vidéo réussi en moins de 100 secondes.
Cette revue de portée analyse les cadres de sécurité de l'IdO existants pour les systèmes de santé numérique, révélant que si les solutions actuelles traitent souvent des domaines distincts, elles manquent d'une intégration complète, et elle identifie des éléments clés tels que les évaluations de vulnérabilité, la modélisation des menaces et l'IA comme essentiels au développement de mécanismes de défense robustes et proactifs.
Cet article présente une étude d'ablation systématique sur l'adaptation de TrOCR pour la reconnaissance de textes manuscrits médiévaux, démontrant que des stratégies spécifiques de gel de couches et le retrait de la normalisation de contraste peuvent atteindre une précision compétitive sur de petits ensembles de données historiques tout en fournissant une validation inter-ensembles de données et des perspectives d'interprétabilité.
Cette étude propose un cadre d'apprentissage profond utilisant le jeu de données UNSW-NB15 pour la détection d'intrusions réseau et la classification d'attaques multiclasses, démontrant qu'une architecture RNN-LSTM surpasse les modèles ANN et CNN en atteignant une précision de 97,42 % grâce à l'optimisation du prétraitement des données et des techniques d'équilibrage des classes.
Cet article démontre que des modèles d'apprentissage automatique interprétables, entraînés sur les caractéristiques de protocoles publics de ClinicalTrials.gov, peuvent prédire avec précision la probabilité de succès technique et réglementaire pour les essais de petites molécules, surpassant les références standards et offrant un outil reproductible pour l'évaluation ajustée au risque.
Le papier propose SupCon-Mamba, un cadre de détection de cibles hyperspectrales à peu d'exemples qui intègre un mécanisme de codage de contexte local, un module Mamba pyramidal pour une modélisation spectrale multi-échelle efficace, et un apprentissage contrastif supervisé pour éliminer les faux négatifs et atteindre une performance de détection supérieure avec un nombre minimal d'échantillons étiquetés.
LGAgent est un cadre multi-agents structuré et guidé par des règles qui exploite les interactions collaboratives entre des LLM de différentes échelles pour imiter les flux de travail juridiques professionnels, délivrant ainsi un raisonnement adjudicatif interprétable, vérifiable et supérieur par rapport aux approches standards à modèle unique.
Cet article introduit AIMAPP, un cadre auto-supervisé et compatible avec ROS qui unifie la cartographie, la localisation et la planification en ligne pour les robots autonomes dans des environnements inconnus en exploitant l'inférence active pour construire dynamiquement des cartes topologiques éparses et équilibrer l'exploration avec la navigation orientée vers un objectif sans dépendre de cartes prédéfinies ou d'un pré-entraînement.
Cet article propose un moteur de prévision hybride pour le Bitcoin qui intègre une décomposition de signal à double couche guidée par l'entropie de permutation (CEEMDAN-VMD) avec un réseau de neurones profonds optimisé par une optimisation multi-essaims, démontrant une performance statistiquement supérieure en termes de précision et de prédiction directionnelle par rapport aux modèles de référence et aux alternatives à essaim unique.
Cet article propose un algorithme d'apprentissage fédéré en bordure sensible à la contribution (CA-FE-MADDPG) qui intègre une modélisation de l'interférence spatiale, des mécanismes de pénalité à granularité fine et une initialisation guidée par heuristique pour traiter l'interférence de spectre, l'allocation injuste de crédit et la non-stationnarité environnementale dans les réseaux IoT massifs, améliorant ainsi de manière significative le débit du système, les taux d'accès et la qualité de service.