3657 articoli
Questo articolo presenta DuoKGQA, un nuovo framework a doppio modulo che sfrutta tecniche avanzate di elaborazione del linguaggio naturale per classificare accuratamente le domande accademiche e identificare i nomi dei programmi, generando così query Cypher precise per il Knowledge Graph Question Answering con alte prestazioni.
Questo articolo presenta una pipeline di machine learning trasparente e riproducibile che raggiunge un'elevata accuratezza (F1 del 91,69%) nel rilevare la depressione nei social media in bengalese, fondendo marcatori psicolinguistici clinicamente fondati con caratteristiche testuali standard e impiegando un modello ensemble interpretabile.
RAVEN è un framework post-hoc che potenzia la validazione dell'affidabilità sotto spostamenti della distribuzione dei dati dimostrando che l'instabilità delle rappresentazioni multi-livello fornisce segnali predittivi complementari per il rilevamento dei guasti oltre i convenzionali punteggi di confidenza.
Questo articolo presenta lo sviluppo e la validazione di StoneClear, un sistema di visione artificiale guidato dall'IA che raggiunge un'elevata accuratezza nel rilevamento e nella segmentazione a livello di pixel dei frammenti di calcoli residui durante l'ureteroscopia assistita da CVAC 2.0, stabilendo così una base robusta per la valutazione intraoperatoria in tempo reale della rimozione dei calcoli.
Questo articolo introduce un modello di pianificazione a due stadi in MiniZinc che rivela la vasta riduzione dello spazio di ricerca derivante dai vincoli strutturali, dimostra che il tempo di risoluzione scala in modo sub-esponenziale rispetto alla dimensione dell'istanza e sottopone a audit i programmi universitari reali per mostrare che le doppie prenotazioni delle aule derivano principalmente da un'allocazione inefficiente piuttosto che dalla scarsità, fornendo così un quadro basato sui dati per identificare quali vincoli rigidi debbano essere ammorbiditi.
Questo articolo presenta un'implementazione CuPy a file singolo, installabile tramite pip, che consente la riduzione del rumore 3D Non-Local Means accelerata tramite GPU senza richiedere un CUDA Toolkit o un compilatore C++, ottenendo un'accelerazione superiore a 100× rispetto al riferimento su CPU di scikit-image, mantenendo al contempo l'accuratezza dell'output e l'usabilità interattiva.
Questo articolo propone una rete di rilevamento di oggetti visibile-infrarossi a doppio stream che integra la modellazione delle caratteristiche basata su wavelet, un modulo OffsetNet per l'allineamento spaziale e un modulo SwinFusion per la fusione delle caratteristiche cross-modali al fine di affrontare efficacemente il disallineamento spaziale e le discrepanze di modalità, migliorando così l'accuratezza del rilevamento.
Questo articolo indaga quando la compattazione del contesto avvantaggi gli agenti a lungo raggio, rilevando che, sebbene possa ridurre i costi evitando costose letture della cache, spesso aumenta le spese totali e la latenza a causa dell'overhead generato dalla creazione di riassunti e dall'attivazione di ulteriori richieste, risultando vantaggiosa solo quando rimane un lavoro futuro sufficiente per compensare tali costi e quando i prezzi delle letture della cache sono eccezionalmente elevati.
Questo articolo propone un'architettura di traduzione gerarchica lato client per i visualizzatori di International Patient Summary (IPS) che preserva l'integrità semantica sfruttando i dati strutturati di FHIR per dare priorità a fonti di traduzione di alta qualità — che spaziano dall'internazionalizzazione statica e dai server terminologici alla traduzione automatica — gestendo in modo trasparente i fallback e le sfide relative alla protezione dei dati negli ecosistemi eHealth transfrontalieri.
Questo articolo propone CTLGNN, un nuovo framework che affronta la deriva degli interessi dell'utente nella raccomandazione di notizie modellando le interazioni come nodi-arco all'interno di un grafo lineare temporale continuo e utilizzando una rete di auto-attenzione dinamica per catturare sia le preferenze a lungo termine che i cambiamenti comportamentali a breve termine, superando così i modelli baseline esistenti.