3657 articoli
Questo articolo propone VRATF, un framework di recupero basato sulla visione che migliora la previsione delle serie temporali convertendo le componenti di tendenza de-noizzate in immagini per il recupero della somiglianza visiva e fondendo questi pattern recuperati con un predittore base DLinear leggero per ottenere prestazioni superiori, in particolare in contesti a lungo orizzonte.
Questo articolo valuta la vulnerabilità dei risponditori di intrusione automatizzati nelle reti definite dal software rispetto alle prove contraffatte e alla fame di risorse del risponditore, dimostrando che, sebbene i risponditori classici possano essere utilizzati come armi contro gli host legittimi, difese specifiche come il vincolo della porta di ingresso e i budget delle regole possono mitigare efficacemente tali danni con un costo prestazionale minimo.
Questo articolo propone un framework basato su VAE–Transformer che combina rappresentazioni di matrici evento-campo strutturate con vettori semantici di stato per generare casi di test diversificati e di alta qualità, migliorando significativamente la copertura e l'efficienza nel fuzzing di software aeronautico critico per la sicurezza rispetto ai metodi convenzionali.
Il documento propone MCD-DFusion, un nuovo framework che migliora la robustezza avversaria nell'analisi del sentiment multimodale introducendo una metrica di Grado di Consistenza Modale per quantificare l'allineamento semantico cross-modale e impiegando una strategia di fusione dinamica che si adatta in modo adattivo ai livelli di consistenza, sopprimendo così significativamente gli attacchi avversari sui meme dei social media.
Il documento introduce QSGT, un modello ibrido di ispirazione quantistica che combina il pruning dei token e la miscelazione di esperti con termini di regolarizzazione clinica per migliorare significativamente la fedeltà a livello di entità e l'accuratezza clinica della sintesi di referti radiologici multimodali, superando i metodi allo stato dell'arte sul dataset MIMIC-CXR.
Questo articolo propone HDRA, un framework metaeuristico ibrido che integra l'algoritmo Divine Religion, l'Ant Colony Optimization e la Memetic Search per risolvere efficacemente il problema del routing dei veicoli elettrici, di classe NP-hard, dimostrando prestazioni superiori nella riduzione dei costi di instradamento e delle emissioni rispetto ad algoritmi consolidati come SA, GOA e HHO.
Questo articolo introduce WAFGen, una pipeline di fine-tuning multi-LLM che genera automaticamente regole IDS e WAF sintatticamente valide ed economicamente efficienti per i principali provider cloud, ottenendo un'elevata accuratezza e riduzioni significative dei costi di capacità di AWS Web ACL rispetto ai baseline manuali.
Q-IDS Bench fornisce una valutazione riproducibile e consapevole delle risorse di nove configurazioni di rilevamento delle intrusioni di ispirazione quantistica attraverso cinque dataset, dimostrando che le prestazioni del modello sono specifiche per il dataset e che l'ibridazione da sola non garantisce risultati superiori, stabilendo così un baseline per i futuri confronti con il vero apprendimento automatico quantistico.
Questo articolo propone un framework di apprendimento automatico adattivo che integra la Selezione delle Caratteristiche Ibride a Cinque Criteri con il Bilanciamento Adattivo e la Regolazione della Soglia per affrontare efficacemente lo squilibrio delle classi e la ridondanza delle caratteristiche nella previsione delle malattie epatiche, ottenendo un'elevata richiamata e prestazioni robuste sui dataset ILPD e LDPD.
AdaKVT-Mem è un'architettura di memoria verificabile e consapevole del ciclo di vita per i record conversazionali che impiega un protocollo di mutazione delle celle con stato per garantire validità, versionamento e provenienza, pur riconoscendo i propri attuali limiti nel raggiungere il successo perfetto degli aggiornamenti nonostante l'elevata accuratezza del ciclo di vita.