1062 articoli
Questo articolo propone un metodo basato su Transformer multimodale che integra dati video, audio e di atteggiamento per valutare in modo robusto i livelli di attenzione dei bambini in età prescolare nelle classi, dimostrando prestazioni e stabilità superiori attraverso vari stati di concentrazione rispetto ai modelli di base.
Questo articolo affronta la sfida del rilevamento di immagini di prodotti generate dall'IA nel commercio elettronico transfrontaliero introducendo il dataset CBEC-AIGC-Bench e proponendo MFF-EComDet, una rete di fusione multi-caratteristica che combina rami di semantica spaziale e artefatti di frequenza con un meccanismo di cross-attention per distinguere efficacemente gli artefatti di generazione dalle interferenze del testo promozionale.
FluxGraph è un framework non supervisionato per il rilevamento di anomalie in serie temporali che sinergizza l'attenzione dinamica sui grafi con la memoria di flusso e il flusso bidirezionale delle caratteristiche per identificare efficacemente anomalie di mascheramento sottili e derive graduali della linea di base nei sistemi industriali e automobilistici, superando i metodi esistenti attraverso un nuovo approccio di fusione multi-residuo.
Questo articolo propone un framework multistrato che migliora l'affidabilità fattuale dei grandi modelli linguistici scomponendo le risposte in affermazioni atomiche, ancorandole tramite il recupero di informazioni e verificandole attraverso un piccolo modello linguistico e il ragionamento neuro-simbolico, ottenendo guadagni di prestazioni significativi sui dataset HotpotQA e SciFact pur mantenendo interpretabilità ed efficienza computazionale.
Questo articolo presenta un framework neurale vincolato dalla conoscenza che incorpora regole geometriche formali in un modello di completamento di grafi per garantire l'esatta simmetria rotazionale e la validità strutturale nei motivi geometrici islamici, dimostrando che, sebbene l'aumento dei dati migliori la fedeltà, solo l'inferenza strutturata sulla simmetria assicura zero violazioni.
GeoMind è un framework multi-agente autonomo che integra un LLM locale, l'iniezione di contesto basata su RAG e un validatore geospaziale deterministico all'interno di un sistema di autocorrezione a ciclo chiuso per raggiungere un tasso di successo nei compiti del 90%, stato dell'arte, e una precisione spaziale significativamente migliorata nell'analisi geospaziale, superando efficacemente le allucinazioni semantiche e geografiche comuni negli LLM general-purpose.
Questo articolo presenta un benchmark statisticamente validato di modelli Multilayer Perceptron, XGBoost e Random Forest per la classificazione del pattern respiratorio senza contatto tramite Software-Defined Radio, dimostrando che MLP e Random Forest raggiungono un'accuratezza superiore rispetto a XGBoost, identificando al contempo i pattern rapidi e l'apnea notturna come i più difficili da distinguere e sottolineando il maggiore gap di generalizzazione di Random Forest dovuto all'overfitting.
Questo articolo presenta un Assistente di Fisioterapia Intelligente basato sull'IA che utilizza la computer vision e il machine learning per fornire analisi della postura in tempo reale e feedback correttivi tramite un'interfaccia web, consentendo così una riabilitazione accessibile, economica e autonoma senza la costante supervisione di un terapista.
Questo studio presenta LGBM-BBB, un web server veloce e accurato per la previsione della permeabilità della barriera emato-encefalica che utilizza LightGBM addestrato su un set ottimizzato di 59 caratteristiche con gestione degli outlier tramite winsorizzazione e ottimizzazione della soglia del coefficiente di correlazione di Matthews per facilitare la scoperta efficiente di farmaci neuroterapeutici.
Questo articolo introduce un framework completo che combina la generazione di nodi basata su LSTM, la modellazione della crescita stocastica e i modelli di diffusione condizionale per creare tavole di abete rosso sintetiche realistiche con strutture interne note, consentendo così l'addestramento di sistemi di deep learning per compiti di valutazione del legno in cui i dati reali accoppiati sono scarsi.