3729 articles
Cette étude propose un modèle de catastrophe à cusp fondé sur la théorie qui exploite la pertinence et l'hétérogénéité des connaissances pour permettre l'identification précoce des percées scientifiques, démontrant son efficacité pour capturer la majorité des recherches transformatrices dans les domaines de l'IA, de la physique et de la biomédecine.
L'article propose HySEAtt-DDI, un cadre d'apprentissage profond multimodal qui intègre des informations chimiques, biologiques et sémantiques sur les médicaments à travers une architecture hybride de CNN, de blocs Squeeze-and-Excitation et de mécanismes d'auto-attention afin d'atteindre des performances de pointe dans la prédiction des interactions médicamenteuses.
Cette étude démontre que les modèles transformeurs biomédicaux, spécifiquement BiomedBERT, entraînés uniquement sur des probabilités de résultats automatisées à partir de textes de registres d'essais cliniques publics, peuvent prédire efficacement le succès des essais en neurosciences dans les phases ultérieures avec une précision, une reproductibilité et un coût computationnel minimaux, tout en évitant la fuite de données grâce à une validation temporelle rigoureuse et des restrictions d'entrée.
Cet article introduit l'Agrégation de Confiance Hospitalière (HTA), une nouvelle méthode d'apprentissage fédéré pour l'imagerie médicale qui combine l'accord directionnel, la plausibilité de l'amplitude et la précision de référence pour atténuer les clients malveillants sous des données non-IID, tout en établissant un benchmark complet qui révèle la supériorité de l'HTA dans la gestion des collusions et des attaques au niveau des données, mais souligne également la limitation fondamentale des signaux de confiance basés sur l'amplitude pour distinguer les valeurs aberrantes honnêtes des adversaires sous une hétérogénéité médicale sévère.
Cet article présente un cadre réutilisable pour mécaniser les algorithmes de passage de messages asynchrones dans Rocq, démontré par une formalisation complète et sans buts admis de l'algorithme Echo qui prouve la correction au temps de décision via des invariants inductifs et l'induction bien fondée sans supposer la justice de la livraison.
Cet article propose une architecture hybride quantique-classique, parallèle et à efficacité de paramètres, pour la classification d'images, qui exploite un extracteur de caractéristiques classiques partagé et de multiples branches quantiques dotées de diverses stratégies d'encodage et de topologies d'intrication afin d'atteindre une précision compétitive sur les ensembles de données MNIST, CIFAR-10 et d'images thermiques.
Cet article introduit un cadre de Dynamique Réduite Neurale (NRD) qui apprend des abstractions d'état pertinentes pour le contrôle afin de permettre un apprentissage par renforcement à haut débit, entraînant avec succès des politiques dans un modèle quatre ordres de grandeur plus rapide que les simulateurs haute fidélité qui se transfèrent efficacement vers des tâches robotiques complexes sur divers terrains sans dégradation de performance.
Ce document propose PBAC-ZTA, un cadre de contrôle d'accès basé sur des polynômes et adaptatif au niveau de la confiance pour les environnements cloud de type Zero-Trust, qui intègre l'autorisation continue, la révocation dynamique et la détection d'anomalies comportementales afin de surpasser les modèles traditionnels en termes de scalabilité, de sécurité cryptographique et d'efficacité de la prise de décision en temps réel.
Cet article présente un modèle de défense bayésienne dynamique sensible au type d'attaque (ATA-DBD) qui améliore un jeu à somme non nulle à trois niveaux en distinguant les attaques par force brute et les injections SQL grâce à des structures de gains distinctes et un processus de mise à jour dynamique des croyances, démontrant une supériorité en termes de succès de la défense, d'efficacité des ressources et d'utilité par rapport aux stratégies statiques et regroupées lors de simulations contrôlées.
Cet article présente une étude de cas computationnelle auditant un flux de travail de découverte de médicaments par agent IA pour SMPD1, démontrant comment une revue adversaire a exposé des erreurs critiques qui ont modifié les conclusions centrales et soulignant les limites des mécanismes d'auto-revue actuels tout en fournissant un protocole d'audit réutilisable plutôt qu'un candidat médicament validé.