2454 articoli
Questo studio presenta una revisione bibliometrica e sistematica completa della ricerca sul rilevamento del melanoma basata sul deep learning dal 2015 al 2026, evidenziando le tendenze chiave nelle architetture CNN e nel transfer learning, identificando al contempo sfide critiche come lo squilibrio dei dataset e la validazione clinica per guidare lo sviluppo futuro di sistemi diagnostici affidabili.
Questo articolo introduce un framework multimodale con gating della confidenza che integra embedding testuali, caratteristiche acustiche e didascalie emotive guidate dal parlato per pesare dinamicamente l'affidabilità delle modalità, raggiungendo prestazioni allo stato dell'arte nella rilevazione della depressione e affrontando la fuga di valutazione attraverso una rigorosa validazione incrociata annidata.
Questo articolo rivela che le prove di esecuzione di TrustZone-M sono vulnerabili alla manipolazione dello stato tramite controller DMA non sicuri poiché le loro garanzie di sicurezza si affidano esclusivamente all'isolamento della CPU, e propone una mitigazione leggera basata sulla sicurezza DMA per canale per garantire l'autenticità dello stato contro tutti i bus master.
Questo studio analizza l'impatto delle tecniche di compressione dei modelli sulla equità tra sottogruppi nella previsione del rischio di AKI in terapia intensiva utilizzando MIMIC-IV, rivelando che mentre la quantizzazione ingenua può degradare catastroficamente le prestazioni e il pruning danneggia significativamente l'accuratezza dei sottogruppi, controlli metodologici appropriati sono essenziali per evitare rivendicazioni di equità spurie e affrontare le disparità intrinseche guidate dalle piccole dimensioni dei sottogruppi.
Questo studio sfrutta i dati MIMIC-IV per dimostrare che, sebbene i modelli tabulari standard spesso superino gli approcci basati su grafi nella previsione di insufficienza renale acuta e sanguinamento, gli embedding di grafi derivati dalle reti di co-somministrazione dei farmaci forniscono miglioramenti statisticamente significativi e interpretabili nella previsione del rischio di delirio quando la fuga di etichette (label leakage) viene rigorosamente corretta.
Questo studio basato su un corpus dimostra che un modello di regressione che integra metriche di complessità sia lessicale che sintattica predice efficacemente la qualità della traduzione automatica in testi filosofici dal tedesco al cinese, evidenziando il ruolo critico delle caratteristiche linguistiche olistiche nella valutazione dei risultati di traduzione.
Questo articolo presenta un framework leggero e modulare che integra la SLAM densa monoculare (MASt3R-SLAM) con modelli vision-language (Gemma 3 e Qwen2.5-VL) per abilitare una navigazione semantica open-vocabulary robusta in ambienti indoor utilizzando solo input RGB, senza richiedere sensori di profondità o il fine-tuning dei modelli.
Questo articolo introduce XAI-Gate, un nuovo framework di governance agnostico rispetto al rilevatore che seleziona dinamicamente le azioni di spiegazione per bilanciare la qualità del servizio dei pacchetti, l'interpretabilità per l'operatore e l'esposizione delle informazioni sotto vincoli di risorse, ottenendo riduzioni significative del debito di spiegazione e zero violazioni del budget senza richiedere il riaddestramento del classificatore.
Questo articolo presenta Omnilingual ASR, una famiglia scalabile e open-source di modelli di riconoscimento del parlato che sfrutta un'architettura auto-supervisionata da 7 miliardi di parametri e un corpus di addestramento massiccio e diversificato per supportare oltre 1.660 lingue, incluse più di 500 precedentemente non servite, consentendo al contempo alle comunità di adattare facilmente il sistema a nuove lingue con dati minimi.
Questo articolo introduce UDAQ, un framework di iterazione Q unificato e guidato dal premio che si adatta autonomamente a spazi di stato in evoluzione dinamico per ottimizzare simultaneamente la pianificazione del percorso punto-punto e l'esplorazione efficiente dell'ambiente, superando significativamente i pianificatori convenzionali e le strategie di esplorazione in ambienti sconosciuti senza una conoscenza cartografica preventiva.