927 articoli
Questo articolo presenta un modello di profilazione guidato dall'IA all'interno di un ambiente cyber range che valuta continuamente le prestazioni dell'apprendente per generare feedback automatizzati e personalizzati e percorsi di apprendimento adattivi, affrontando così le sfide chiave relative alla scalabilità e alla personalizzazione nell'educazione alla cybersicurezza.
Questo articolo propone un front-end semantico leggero e in tempo reale che integra la segmentazione delle istanze periodica con una pipeline di mappatura Gaussiana guidata dalla registrazione per rimuovere efficacemente gli oggetti dinamici e migliorare la robustezza della SLAM RGB-D in ambienti dinamici.
Questo studio presenta LV-YOLO, un framework di deep learning a due stadi che combina MobileNetV3 per lo screening globale e un modello YOLOv11 ottimizzato con nuovi moduli di attenzione e upsampling, il quale rileva in modo efficace e accurato l'invasione linfovascolare nelle immagini a vetrino intero del cancro gastrico per assistere i patologi nella stratificazione del rischio clinico.
SpectralMLP introduce un nuovo framework di rete neurale ipergrafica che sostituisce l'aggregazione tradizionale con un meccanico filtraggio spettrale a doppia frequenza, privo di passaggio di messaggi ed efficiente, utilizzando basi di polinomi di Jacobi apprendibili, raggiungendo prestazioni allo stato dell'arte attraverso molteplici benchmark pur mantenendo un numero di parametri inferiore alla maggior parte dei metodi esistenti.
Questo studio presenta un benchmark controllato che confronta modelli sequenziali grezzi, basati su immagini (GAF), ibridi e statistici per il rilevamento di anomalie nel consumo elettrico domestico, riscontrando che la modellazione temporale diretta (Raw 1D-CNN) ha superato gli altri approcci sotto protocolli di perturbazione sintetica, pur sottolineando la necessità di un'interpretazione cauta a causa dell'ambito del dataset limitato a una singola abitazione e della mancanza di annotazioni di guasti del mondo reale.
Questo articolo presenta un framework intelligente per l'esecuzione del magazzino che integra SAP EWM, Large Language Models, SAP BTP e robot mobili autonomi per consentire l'esecuzione di task guidata dal linguaggio naturale, raggiungendo un tasso di successo del 98% e un tempo medio di esecuzione di 4,7 secondi attraverso una collaborazione uomo-robot adattiva.
Questa revisione sistematica della letteratura analizza 97 studi per identificare sei meccanismi di governance chiave per l'IA responsabile nel business, rivelando un consenso sui principi etici come la responsabilità e l'equità, pur evidenziando significative sfide di implementazione e lacune nella ricerca che ostacolano un'adozione efficace.
Il documento presenta ARIES-Mission, un sistema visivo-linguistico modulare che migliora la pianificazione delle missioni UAV selezionando il percorso più breve e fattibile da un portafoglio di quattro candidati (ordine di riconoscimento grezzo, ottimizzazione a colonia di formiche, evoluzione differenziale e ottimizzazione a sciame di particelle), ottenendo una riduzione del 24,21% della distanza totale e prestazioni quasi ottimali con un gap medio dello 0,042% rispetto all'ottimo esatto.
Questo articolo presenta un framework assistito dall'IA che genera tutorial di formazione immersivi in VR e MR a partire da dimostrazioni di esperti, catturando dati multimodalità per creare istruzioni strutturate passo dopo passo con replay di avatar 3D, abilitando così una formazione industriale scalabile e priva di istruttori.
Questo articolo introduce il Trust-Gated Predictive Reallocation (TGPR), un meccanismo d'asta bayesiano che adatta dinamicamente l'allocazione dei compiti e i timeout basandosi sulle stime di affidabilità della comunicazione per singolo robot al fine di ridurre l'overhead di messaggistica e l'esecuzione duplicata in reti con perdite, sebbene riduca involontariamente i tassi complessivi di completamento dei compiti in condizioni di canale scarse a causa dell'inflazione dei timeout.