2363 articoli
Questo articolo propone un framework LSTM a due livelli per le reti SD-WAN che integra la previsione del carico dei canali e la classificazione della congestione critica per consentire una gestione proattiva delle rotte, dimostrando una precisione di previsione e una affidabilità decisionale superiori rispetto ai metodi tradizionali.
Questo articolo propone un framework di adattamento del dominio cross-versione che combina l'armonizzazione delle caratteristiche IEEE 802.11, l'allineamento DANN/CORAL e lo screening open-set basato sulla confidenza per ottenere un rilevamento delle intrusioni Wi-Fi ad alta precisione e in tempo reale attraverso ambienti variabili, identificando efficacementamente famiglie di attacchi precedentemente non visti con un labeling minimo nel dominio target.
Questo articolo introduce PPSNet, una nuova classe di framework di conteggio agnostico che valida teoricamente il paradigma Extract-and-Match e affronta i limiti degli esemplari visivi basati su bounding box attraverso l'impiego di un modulo di costruzione del prior percettivo per raffinare la distribuzione della scala e di un modulo di pesatura guidata dalla similarità per migliorare il matching delle caratteristiche, ottenendo così prestazioni superiori in scenari di prompting visivo, testuale e zero-shot.
Questo articolo introduce un framework MobileNetV2 basato sulla fisica per la classificazione di gas a infrarossi termici che integra caratteristiche di input termodinamiche e funzioni di perdita penalizzate dalla fisica per raggiungere un'elevata accuratezza e zero falsi allarmi per il rilevamento di miscele, offrendo un favorevole compromesso tra prestazioni pure e plausibilità fisica per applicazioni critiche per la sicurezza.
Questo articolo propone un Adaptive Multi-Dataset Framework (AMDF) che integra tre dataset benchmark con Sentence-BERT e XGBoost per rilevare e filtrare efficacemente gli attacchi di prompt injection e jailbreak, raggiungendo un'accuratezza dell'84% e migliorando la generalizzazione delle difese dei LLM contro le minacce in evoluzione.
Questo articolo propone una versione migliorata dell'ottimizzazione a sciame di particelle ispirata al quantum (QI-PSO) che sostituisce il classico movimento guidato dalla velocità con leggi di spostamento quantistico a potenziale limitato per superare efficacemente i plateau di penalità nell'ottimizzazione multimodale vincolata, dimostrando riduzioni significative degli errori su benchmark difficili pur mantenendo la superiorità dell'approccio classico sui problemi dominati dall'exploitation.
Questo articolo dimostra empiricamente i limiti dei metodi di provisioning statico del cloud nel gestire carichi di lavoro dinamici e vincoli SLA utilizzando le tracce di Google Cluster, sostenendo così l'adozione del Deep Reinforcement Learning come un approccio superiore, adattivo e incentrato sull'uomo per l'orchestrazione automatizzata delle risorse.
Questo articolo presenta un framework che preserva la privacy e genera dati sintetici clinicamente accurati per addestrare un modello DistilBERT per il rilevamento del controllo coercitivo, superando efficacemente il "Forensic Data Gap" raggiungendo alte prestazioni su benchmark reali di ambito legale e dei social media senza compromettere la privacy degli utenti.
Questo articolo propone un nuovo metodo di "Collasso Cartesiano Simmetrico" che simula circuiti quantistici non-Clifford in tempo e memoria lineari modellando i sistemi quantistici come singole traiettorie discrete anziché come matrici dense, consentendo teoricamente la simulazione di oltre mille qubit su hardware consumer.
Questo articolo dimostra che nei modelli di pensiero continuo, l'interpretabilità basata sulla lettura (readout) spesso non riflette il calcolo sottostante perché gli stati latenti necessari per cambiare la risposta del modello sono significativamente più grandi di quelli necessari per alterare la proiezione della lettura, rendendo necessarie curve dose-risposta piuttosto che interventi a magnitudo singola per un'analisi causale accurata.