2456 articoli
Questo articolo propone un'architettura di servizio per LLM ibrida edge-cloud multi-tenant che combina il decoding speculativo quantizzato W4A16 con la comunicazione asincrona e un orchestratore di verifica multi-tenant per affrontare simultaneamente le sfide relative alla privacy, alla latenza e all'utilizzo delle risorse.
Questo articolo introduce JPAL-HA, un modello di apprendimento sicuro per ambienti critici per la sicurezza che sfrutta le giustificazioni delle azioni umane per generare query ipotetiche, migliorando così significativamente la sicurezza e l'efficienza dei campioni riducendo al contempo l'onere dell'addestramento umano.
Questo studio dimostra che l'utilizzo del machine learning spiegabile per analizzare i dati sul clima di sicurezza a livello di singolo elemento rivela modelli di rischio comportamentale non lineari e dipendenti da soglie, guidati dalla reattività del management, dalla formazione e dall'esperienza, sfidando i tradizionali modelli di aggregazione lineare e offrendo una base più precisa per la prevenzione proattiva degli infortuni.
Questo articolo propone una macchina a vettori di supporto a superficie quadratica (QSVM) con regolarizzazione sparsa per affrontare i problemi di overfitting e interpretabilità nella classificazione non lineare priva di kernel, introducendo un algoritmo di decomposizione della penalità con garanzie di ottimalità e convergenza dimostrabili che mostra prestazioni competitive e sparsità sia su dataset benchmark che su dataset reali relativi al credito.
Questo articolo presenta una revisione sistematica basata su PRISMA che rivela i limiti delle attuali soluzioni incentrate sull'udito per gli studenti sordi e propone un framework di comunicazione multimodale guidato dall'IA che integra il riconoscimento vocale, l'elaborazione del linguaggio naturale e la generazione della lingua dei segni per abilitare il supporto visivo in tempo reale e raggiungere una significativa inclusione nelle classi.
Questo articolo rivela che i metodi di valutazione standard basati su scaffold introducono un bias di allocazione nascosto trattando erroneamente le molecole "no-scaffold" chimicamente eterogenee come un'unica unità, il che distorce le metriche di generalizzazione attraverso i benchmark comuni, e propone una riparazione "Empty-Scaffold-Aware" per ripristinare una rappresentazione bilanciata e una valutazione accurata delle prestazioni.
Questo articolo introduce C3Q-MARL, un framework consapevole della connettività che integra il controllo della topologia basato sulla teoria dei grafi con un modulo di ottimizzazione ispirato al QAOA nel multi-agent reinforcement learning per migliorare la coordinazione degli sciami di UAV, l'evitamento delle collisioni e la preservazione della connettività in condizioni di osservabilità parziale e vincoli di comunicazione.
Questo studio presenta il primo benchmark scala per scala delle varianti YOLOv11 e YOLOv12 sul dataset BCCD, rivelando che, sebbene la loro prestazione media complessiva sia quasi identica, YOLOv12 eccelle nella scala nano per applicazioni critiche per la latenza, mentre YOLOv11 la supera nelle scale media e grande, indicando che la selezione del modello dovrebbe essere guidata da specifici requisiti di scala e richiamo piuttosto che da un'ipotesi uniforme di superiorità.
Questo articolo introduce RLHOARNet, un'architettura 3D U-Net basata su MONAI che presenta un modulo di raffinamento dei bordi residuo leggero che raggiunge prestazioni allo stato dell'arte e velocità di inferenza in tempo reale per la segmentazione multi-modale dei tumori cerebrali sul dataset BraTS 2020.
FedHyperM è un framework di apprendimento federato che preserva la privacy per i dispositivi edge che affronta l'eterogeneità delle modalità impiegando una predizione basata su ipergrafi e un'aggregazione sensibile alla modalità per superare significativamente i baseline esistenti in termini di accuratezza e F1-score.