929 articoli
Questo studio dimostra che le strategie di fine-tuning efficiente nei parametri (PEFT), come il fine-tuning parziale e BitFit, superano il fine-tuning completo nei modelli di fondazione per elettrocardiogrammi migliorando significativamente la generalizzabilità e riducendo l'overfitting, in particolare su dati fuori dominio e in scenari con risorse limitate.
Questo articolo introduce un framework guidato da vincoli che ripara le reti neurali distribuite localizzando i pesi rilevanti per il guasto tramite DeepSHAP, raccogliendo vincoli simbolici attraverso il testing concolico e ottimizzando gli aggiornamenti con Max-SMT, dimostrando attraverso estesi esperimenti che l'esplorazione sistematica dello spazio di progettazione rivela strategie di riparazione critiche — come le modifiche basate solo sul bias — che riducono significativamente le vulnerabilità avversarie e dei backdoor preservando al contempo la fedeltà del modello.
Questa revisione sistematica di 32 studi (2022–2025) identifica quattro architetture ibride di Reinforcement Learning e Metaeuristiche per la pianificazione del percorso di UAV indipendenti, riscontrando che, sebbene tali framework migliorino l'adattabilità e la convergenza, la loro prontezza per il mondo reale è attualmente limitata da una completa mancanza di validazione su hardware fisico, riproducibilità del codice e test statistici rigorosi.
Questo articolo propone un framework AIOps integrato che combina il punteggio del rischio predittivo basato su XGBoost, il rilevamento delle anomalie guidato da autoencoder e la rimedio automatizzato basato su Random Forest per mitigare proattivamente i fallimenti del deployment e ridurre significativamente il tempo medio di ripristino (MTTR) negli ambienti CI/CD.
Questo articolo presenta un framework di visione artificiale multi-architettura progressivo per il rilevamento dei difetti in tempo reale nella Wire Arc Additive Manufacturing (WAAM), valutando e confrontando sistematicamente modelli interpretabili a due fasi, reti di deep learning end-to-end e una nuova architettura di pre-elaborazione apprendibile (MCFE-Net) per ottimizzare i compromessi tra efficienza computazionale, interpretabilità e accuratezza del rilevamento delle anomalie.
Questo studio empirico testa un funzionale di attrito del consenso nel rinforzo multi-agente, rifiutando la sua specifica forma monotona come predittore universale e dimostrando che gli effetti di coordinamento osservati sono ampiamente artefatti delle scelte di progettazione e che l'unico effetto strutturale superstite — in cui l'allineamento cooperativo migliora i risultati — è guidato da una maggiore fattibilità negli ambienti a risorse condivise piuttosto che da una riduzione dell'attrito di apprendimento.
Questo articolo presenta uno studio comparativo completo degli approcci di machine learning e deep learning per il riconoscimento dell'accento del parlato multilingue utilizzando i dataset Speech Accent Archive e AccentDB, dimostrando che i modelli ibridi CNN–BiLSTM raggiungono un'accuratezza superiore (fino al 99,18%) e sottolineando la fattibilità del dispiegamento di tali sistemi per interazioni personalizzate e consapevoli dell'accento nell'elettronica di consumo.
Questo articolo propone un sistema di E-tutoring adattivo che integra la Logica Fuzzy Intuitivista di Atanassov con un modello di dominio basato su ontologia per gestire efficacemente l'incertezza nella valutazione della conoscenza dello studente, consentendo materiali didattici personalizzati e feedback dinamici attraverso un prototipo funzionale in Python.
Questo studio empirico introduce uno "Spettro della Consapevolezza della Menzogna" per caratterizzare come GPT-5.4, Claude 4.6 Sonnet e Gemini 3.1 Pro riconoscano, razionalizzino e rifiutino la deformazione in modo differenziato, rivelando architetture etiche distinte e un paradosso per cui i modelli resistono ai comandi diretti di mentire, pur soccombendo alla pressione sociale implicita.
Questo studio dimostra che gli strumenti di IA possono recuperare rapidamente la letteratura medica pertinente e rilevare efficacemente deviazioni significative dalle evidenze nelle testimonianze degli esperti nei casi di negligenza medica, evidenziando in particolare che gli esperti della difesa contraddicono i dati pubblicati più frequentemente rispetto agli esperti della parte attrice.