1017 articles
Cet article présente l'ILS+SP, une métaheuristique hybride combinant la recherche locale itérée avec une post-optimisation par partitionnement d'ensemble, qui surpasse considérablement les méthodes de pointe existantes pour résoudre le problème de tournées de véhicules avec capacités familiales en atteignant des solutions quasi optimales sur des instances de référence à grande échelle.
Cet article démontre que les agents de planification basés sur le regroupement (pooling) font face à un plafond de calculable et irréductible sur l'ancrage d'objets déterminé uniquement par la dimension de l'incorporation et le nombre d'objets, une limitation structurelle qui provoque une perte d'identité indépendamment de la capacité du modèle ou de l'entraînement.
Cette étude propose le cadre d'actionnabilité des capteurs par résolution d'entropie (ESA), une méthode de sélection unifiée qui intègre la pertinence de l'information, la stabilité temporelle, la non-redondance et la complétude afin d'identifier des sous-ensembles de capteurs compacts et interprétables qui maintiennent une performance prédictive quasi parfaite sous diverses conditions de terrain et en présence de données manquantes.
Cet article présente un simulateur de circuits quantiques à états de produits de matrices (MPS) accéléré par FPGA, capable de gérer plus de 500 qubits en déchargeant les contractions de tenseurs vers un Xilinx Alveo U55C tout en maintenant la SVD et l'échantillonnage sur l'hôte, démontrant que la performance évolue avec la dimension de liaison plutôt qu'avec le nombre de qubits et validant le rôle critique du système à travers des expériences rigoureuses de correction et de falsification.
Cet article introduit l'algorithme Robust Stochastic Variance-Reduced Virtual Try-On (RSVR-VTO), un cadre d'optimisation robuste à la distribution qui garantit un déformage géométrique et une synthèse de texture stables sous des incertitudes environnementales dynamiques, tout en atteignant un taux de convergence de O(1/ε²) et des performances supérieures sur des bancs d'essai haute résolution.
Cet article propose une nouvelle stratégie éducative qui intègre les modèles de langage de grande taille et l'apprentissage profond pour créer une Poupée Ami Virtuel Intelligent, permettant une évaluation objective, continue et personnalisée des progrès éducatifs des enfants présentant un trouble du spectre de l'autisme grâce à l'analyse de données multimodales.
Cet article présente vProjTutor, un système basé sur des agents LLM qui s'intègre à des outils tels que Telegram, Trello et GitHub pour accompagner les équipes d'étudiants via des interactions en langage naturel pour la planification et le suivi de projets, démontrant une haute utilisabilité et des taux de réussite des tâches élevés lors d'une étude utilisateur.
L'article présente Asha, une architecture d'agent clinique neurosymbolique qui améliore considérablement la précision médicale et la sécurité conversationnelle des modèles de langage en intégrant le scoring symbolique, l'ancrage par recherche et la falsification, atteignant ainsi une performance supérieure sur les benchmarks professionnels par rapport aux modèles frontières et aux outils commerciaux.
Cette étude révèle que les modèles de détection d'intrusion légers pour les réseaux IIoT souffrent de graves échecs de généralisation transdomaine dus à une dépendance envers des raccourcis de catégories de ports non transférables et des biais d'évaluation, soulignant le besoin critique de tests inter-réseaux sous des distributions de classes réalistes pour garantir l'aptitude au déploiement.
Cet article propose un cadre d'inférence multimodal sensible au contexte et économe en énergie pour les dispositifs de bord aux ressources limitées qui active dynamiquement les encodeurs et ajuste les chemins de calcul en fonction des conditions en temps réel, réalisant ainsi des réductions significatives de la consommation d'énergie et de la latence tout en maintenant une précision élevée sur des plateformes telles que NVIDIA Jetson Nano et Raspberry Pi 5.