927 articoli
Questo studio propone il Dynamic Adaptive Fusion Model (DAFM), un sistema di previsione intelligente in tempo reale che integra dinamicamente Decision Trees, Random Forests, XGBoost e reti BiLSTM tramite meccanismi di gating adattivi per superare i limiti dei modelli statici, ottenendo una precisione superiore (R² = 0,97) e un'inferenza rapida per la previsione della produzione di petrolio.
Il documento presenta ModernBERT-TR, un encoder turco da 150 milioni di parametri preaddestrato da zero su 144,4 miliardi di token utilizzando l'architettura ModernBERT e un tokenizer personalizzato, il quale supera significativamente i baseline turchi esistenti e eguaglia modelli concorrenti più grandi nonostante sia stato addestrato con risorse sostanzialmente inferiori.
DriftSense++ è un framework dinamico che potenzia l'allocazione dei compiti di crowdsourcing spaziale impiegando un approccio a ciclo chiuso e consapevole della regione per rilevare e gestire adattivamente sia il data drift che il concept drift, superando significativamente i metodi esistenti in termini di accuratezza, riduzione dei falsi allarmi e velocità di recupero attraverso diversi dataset del mondo reale.
Questo articolo si concentra sulla valutazione di varie tecniche di apprendimento automatico per rilevare e prevedere efficacemente gli attacchi di SQL injection, che consentono agli attaccanti di manipolare le query del database e compromettere la sicurezza del server.
Questo studio valuta i modelli di apprendimento automatico per la previsione della mortalità in terapia intensiva e della durata del ricovero negli ospedali etiopi utilizzando dati reali e sintetici, riscontrando che l'addestramento ibrido con dati generati da CTGAN supera significativamente altri metodi nonostante il suo elevato costo computazionale, evidenziando al contempo il fabbisogno di ossigeno e la SpO2 come i più forti predittori di mortalità.
Questo articolo propone un metodo di apprendimento di mesh orientato che utilizza un nuovo scalare diedro semintero con segno per codificare l'orientamento locale delle facce, migliorando significativamente la robustezza e l'accuratezza della classificazione per forme 3D sottoposte a perturbazioni strutturali come tagli e bordi aperti rispetto agli approveri approcci convenzionali basati sugli spigoli.
Questo studio retrospettivo ha sviluppato e valutato un sistema di supporto alle decisioni cliniche basato su IA multimodale che integra dati demografici, clinici, genomici e di imaging per migliorare la previsione personalizzata del trattamento del tumore alla prostata in Brunei, dimostrando che un'architettura ibrida LSTM–Random Forest con fusione in fase avanzata ha ottenuto prestazioni robuste (AUC 0,964) nonostante i limiti relativi alla piccola dimensione del campione.
Questo studio dimostra che gli algoritmi di apprendimento automatico, in particolare i classificatori a vettori di supporto, raggiungono un'elevata accuratezza (fino al 99%) nel rilevare il degrado forestale nella riserva forestale di Omo in Nigeria utilizzando dati di telerilevamento, sostenendo così la loro integrazione nelle politiche di conservazione nazionali per una gestione forestale sostenibile.
Questo studio impiega una metodologia di Design of Experiments per analizzare e ottimizzare gli iperparametri critici — specificamente la strategia di chunking, il volume del contesto e la selezione del LLM — all'interno di un sistema di Generazione Aumentata da Recupero (RAG) progettato per la Procura della Repubblica dello Stato dell'Espírito Santo, rivelando che questi fattori influenzano significativamente la qualità delle risposte attraverso un'analisi statistica mediante l'Aligned Rank Transform.
Questo articolo introduce THEA, una politica di revisione definita tramite prompt che tratta i modelli del mondo eseguibili come teorie falsificabili per orchestrare agenti genitore e sub-agenti specializzati, raggiungendo prestazioni allo stato dell'arte in 22 di 25 giochi ARC-AGI-3 con costi significativamente ridotti, garantendo al contempo che la revisione delle ipotesi rimanga esplicita, verificabile ed economica.