929 articoli
Questo studio propone e valida un nuovo framework a cinque livelli basato su AI–IoT–Digital Twin che integra dati in tempo reale, analisi predittiva e realtà aumentata per ottenere miglioramenti significativi nell'efficienza manifatturiera, nella sostenibilità e nella collaborazione uomo-macchina, allineandosi al contempo ai valori dell'Industria 5.0.
Questo articolo rivela una dissociazione critica tra esseri umani e grandi modelli di ragionamento (LRM) nell'allocazione della deliberazione: sebbene entrambi trascorrano più tempo sui problemi più difficili in generale, gli esseri umani investono meno tempo sugli elementi che alla fine sbagliano (abbandonando i compiti difficili), mentre gli LRM generano paradossalmente tracce di ragionamento più lunghe sui problemi che falliscono (persistendo nell'incertezza), evidenziando una differenza fondamentale nelle politiche di arresto e di controllo nonostante le somiglianze superficiali.
Questo studio propone un framework di cybersicurezza integrato con blockchain che utilizza un modello di Rete Neurale Convoluzionale (CNN) per raggiungere un'accuratezza di rilevamento del 98,3% e una capacità di prevenzione del 100% contro gli attacchi Denial of Service (DoS) nei sistemi di rete basati su IA.
Questo studio dimostra che il prompting assistito dall'IA migliora la complessità visiva e l'impegno comportamentale nel disegno digitale, rivelando al contempo che i modelli di apprendimento automatico possono prevedere meglio le categorie affettive ampie rispetto alle emozioni dettagliate basandosi su queste caratteristiche del disegno.
DIT è un protocollo di autenticazione decentralizzato e post-quantistico che elimina la tradizionale gerarchia delle CA ancorando le identità di dominio in chiavi ML-DSA-65 verificate tramite DNSSEC e utilizzando un handshake ibrido X25519MLKEM768 con log di trasparenza Merkle per fornire una fiducia efficiente e revocabile senza autorità di certificazione centralizzate.
Questo articolo propone un framework di fusione a tripla memoria guidato dall'incertezza che sfrutta il Mamba probabilistico per quantificare l'incertezza del movimento e fondere dinamicamente le memorie di movimento, aspetto e categoria, raggiungendo prestazioni allo stato dell'arte nel tracciamento multi-oggetto robusto attraverso scene dinamiche complesse.
Questo articolo propone uno schema di cifratura di immagini in scala di grigi che combina una S-box generata da una trasformazione frazionaria cubica con una mappa logistica per eseguire sostituzione, diffusione e scrambling basato su XOR, dimostrando una sicurezza robusta attraverso analisi statistiche e di sensibilità della chiave complete.
Questo studio propone un framework di IA completo per la produzione farmaceutica che integra la modellazione predittiva con l'esplicabilità, l'equità, la calibrazione, il monitoraggio del drift e la tracciabilità normativa per garantire decisioni di governance della qualità pronte per l'audit e difendibili.
Questo studio dimostra che un modello di deep learning leggero YOLO11n può raggiungere un'accuratezza quasi perfetta nella classificazione automatica dei metodi di lavorazione del cetriolo di mare essiccato (salatura, affumicatura e arrostimento) da immagini di oggetti densi, offrendo un'alternativa robusta e non distruttiva all'ispezione manuale soggettiva per la valutazione della qualità.
Questo articolo propone SGMS-DTDNet, una rete di distillazione a doppio docente multi-scala guidata dalla semantica che integra la semantica specifica del dominio, i priori strutturali e la selezione adattiva delle caratteristiche per raggiungere prestazioni allo stato dell'arte nel rilevamento unificato di anomalie mediche e industriali, superando sfide quali la scarsità di campioni anormali e le morfologie eterogenee dei difetti.