2403 articoli
Questo articolo propone il framework Deep Twin-Stream Sparse Spatiotemporal Quantum Diffusion (STQD), che integra transformer twin-stream sparsi, codifica quantistica e modelli di diffusione quantistica per rilevare efficacemente gli attacchi informatici nelle smart grid, ottenendo una generalizzazione superiore e alti punteggi F1 su diversi dataset di benchmark.
Questo articolo introduce DRAgent, un framework agente multidisciplinare che sfrutta un nuovo dataset su larga scala e un sistema multi-agente basato su ruoli per generare piani di trattamento della retinopatia diabetica superiori e individualizzati, simulando efficacemente la collaborazione tra specialisti in oftalmologia ed endocrinologia.
Questo articolo propone un framework ibrido parametrico-efficiente e consapevole del locutore che combina la condensazione estrattiva gerarchica, l'adattamento basato su LoRA e l'apprendimento per rinforzo con una nuova ricompensa di attribuzione del locutore per migliorare significativamente la fedeltà e ridurre le allucinazioni nella sintesi di dialoghi, mantenendo al contempo una qualità lessicale competitiva.
Questo studio analizza i segnali comportamentali di oltre 1.000.000 di interazioni sulle principali piattaforme di video brevi per dimostrare che i modelli dinamici di coinvolgimento degli utenti, in particolare gli indicatori di razionalità e curiosità, sono più efficaci dei dati demografici nel prevedere l'appartenenza a camere d'eco legate a video fuorvianti generati dall'IA, supportando così sistemi di allerta precoce rispettosi della privacy.
Questo studio introduce il Progressive Residual LightGBM (PRLGB), un modello ensemble a tre stadi che supera significativamente gli algoritmi basati su alberi standard nella previsione dell'allocazione delle risorse della Qualità del Servizio 5G, apprendendo efficacemente gli errori residui e fondendo caratteristiche sensibili all'incertezza per raggiungere metriche di accuratezza superiori.
Questo studio introduce un corpus di riferimento inglese–arabo derivato dai discorsi presidenziali statunitensi e un corrispondente quadro di valutazione progettato per valutare sistematicamente la capacità dei sistemi di traduzione IA di preservare il significato politico implicito, in particolare le strategie di indirettezza e l'evitamento dei nomi, che vengono spesso trascurate in favore dell'accuratezza lessicale.
IZSafe è un sistema di deep learning embedded che utilizza sensori inerziali su supporti per bombole di ossigeno dei vigili del fuoco per ottenere una consapevolezza situazionale in tempo reale e a livello micro, riconoscendo accuratamente i singoli movimenti con una precisione del 93,85% su un microcontrollore ARM Cortex-M4.
Questo studio propone una rete temporale a lungo e breve termine multi-scala consapevole delle condizioni (CA-MS-LSTNet), ottimizzata da un algoritmo di Pipistrello migliorato, per potenziare significativamente l'accuratezza della previsione a brevissimo termine dei parametri delle turbine eoliche, modellando efficacemente le caratteristiche temporali non lineari, eterogenee e dipendenti dalle condizioni operative nei dati SCADA.
Questo studio propone e valida un framework compatto di rete neurale convoluzionale che converte le catture di radio definita dal software delle trasmissioni video di droni in immagini nel dominio del tempo per il rilevamento in tempo reale ad alta accuratezza con costi computazionali significativamente ridotti rispetto ai metodi tradizionali basati su spettrogrammi.
Questo articolo presenta un sistema ALPR compatto e ottimizzato per CPU, progettato per le difficili condizioni stradali vietnamite, integrando un rilevatore YOLOv8n, ByteTrack, una rapida correzione dell'inclinazione (deskewing) e un OCR accelerato tramite ONNX con voto spazio-temporale per ottenere un'elevata precisione e prestazioni in tempo reale nonostante il maltempo, l'effetto mosso e la diversità dei formati delle targhe.