974 articles
Cet article présente une méthodologie de fine-tuning économe en ressources utilisant l'adaptation de bas rang (LoRA) et la quantification pour déployer avec succès de grands modèles Vision-Langage-Action sur des plateformes robotiques abordables de qualité grand public, démontrant une performance de manipulation réelle efficace avec des données limitées.
Cet article présente un cadre d'apprentissage profond basé sur LSTM qui utilise l'apprentissage par transfert sur des caractéristiques de flux réseau chiffrées pour détecter les rançongiciels sans décryptage de la charge utile, démontrant la nécessité critique de cycles de réentraînement de 12 à 18 mois pour contrer la dérive temporelle du modèle tout en atteignant une haute précision de détection grâce à un système d'ensemble basé sur la confiance intégré à Wazuh SIEM.
Cette revue systématique de la littérature de 2020 à 2026 évalue l'impact de la réalité virtuelle immersive sur divers résultats éducatifs, constatant que si la RV améliore considérablement l'engagement, la rétention et la compréhension conceptuelle, son adoption généralisée est actuellement entravée par des obstacles tels que le coût, le mal des transports virtuel et l'insuffisance de la formation des enseignants, traçant ainsi une feuille de route pour la recherche future dans l'apprentissage adaptatif, l'analytique et la mise en œuvre éthique.
Cet article établit une correspondance formelle entre la dynamique des réseaux de codage prédictif et le do-calculus de Pearl, démontrant, par une dérivation théorique et une validation empirique sur des références cliniques, que des interventions architecturales spécifiques permettent à ces réseaux d'effectuer avec précision un raisonnement causal et de surpasser les modèles associatifs standards dans l'estimation des effets interventionnels.
Cet article propose l'AI-Assisted Music Creation Framework (AAMCF), une architecture conceptuelle à cinq couches exploitant la correction de hauteur neuronale, l'harmonisation générative et le feedback adaptatif pour permettre aux individus atteints d'amusie de créer et de percevoir la musique, tout en exposant ses fondements théoriques, ses mesures d'évaluation et ses considérations éthiques en vue d'une future validation empirique.
Cet article introduit une passe d'analyse post-traitement MLIR pour le compilateur snn-mlir qui génère des preuves de latence de pire cas et des certificats de sécurité mémoire vérifiables par machine, permettant ainsi le déploiement conforme à la norme IEC 62304 Classe B des réseaux de neurones impulsionnels pour les dispositifs médicaux de bord critiques pour la sécurité, tels que les détecteurs de crises d'épilepsie.
Cet article identifie et valide une condition « max_cluster = 1 » auparavant non articulée, exigeant la distinction par paire de toutes les fréquences RoPE, démontrant que la violation de cette contrainte implicite lors de l'inférence provoque une dégradation catastrophique des performances des grands modèles de langage tout en prouvant que les programmes géométriques standards la satisfont intrinsèquement en raison de la nature transcendante de leurs bases logarithmiques.
Cet article propose l'arbre de Merkle hybride à équilibrage dynamique (DBHMT), une structure de données optimisée pour l'Industrie 4.0 de la santé basée sur le Tangle d'IOTA, qui emploie un mécanisme d'élagage dynamique pour parvenir à une réduction par quatre des coûts de stockage tout en maintenant la sécurité pour les environnements IoT à ressources limitées.
Cette revue systématique synthétise 15 études empiriques de 2022 à 2026, concluant que bien que les configurations de génération augmentée par récupération (RAG) surpassent généralement les modèles de référence dans les applications de santé mentale, le domaine est entravé par des méthodes d'évaluation hétérogènes, un signalement de la sécurité éparse et un manque d'intégration de données multimodales.
Cette étude introduit un cadre d'analyse curriculaire qui met en correspondance les signaux des cours d'informatique avec les exigences professionnelles de la science des données à l'aide d'une ontologie partagée d'activités de travail détaillées, révélant que si le programme couvre toutes les tâches nécessaires, il présente un écart d'accentuation significatif dans leur pondération relative.