929 articoli
Questo articolo introduce MESH4ID, una pipeline di realtà virtuale centrata sul visore basata su Unity/OpenXR che consente agli utenti di catturare, gestire e ricostruire ambienti interni congelando gli stream LiDAR dal vivo in snapshot tracciabili per l'ispezione interattiva e la generazione di mesh su richiesta all'interno di un ambiente VR immersivo.
Il documento propone SMPD, un nuovo framework di meta-learning auto-supervisionato che sfrutta dati temporali multi-modali e il pre-addestramento contrastivo per prevedere i compromessi dei dispositivi IoT con 24–48 ore di anticipo con alta precisione e adattabilità few-shot, superando significativamente gli esistenti baseline di rilevamento delle intrusioni in ambienti con risorse limitate.
Questo articolo introduce GRADV, un workflow di analisi del segnale riproducibile che scopre e valuta i pattern audio della classe target nei modelli di keyword-spotting ottimizzando le forme d'onda e svolgendo un'analisi a livello di segmento, ottenendo elevati tassi di successo senza proporre nuove architetture di riconoscimento vocale.
Questo articolo propone uno schema Pydantic e un baseline basato su un piccolo modello linguistico con few-shot per estrarre la tracciabilità delle modifiche ingegneristiche da ordini di lavoro CNC legacy frammentati, bilingui e troncati, dimostrando un'elevata validità dello schema e rivelando al contempo che i pre-prompt contestualmente radicati degradano le prestazioni e che i post-filtri deterministici migliorano la precisione senza influire sul richiamo.
OptiVerse AI è un sistema di deep learning spiegabile che utilizza EfficientNetB7 e Grad-CAM per classificare la retinopatia diabetica e ricostruire strutture retiniche 3D da immagini del fondo oculare standard, raggiungendo un'accuratezza superiore al 95% per migliorare il rilevamento precoce della malattia e il processo decisionale clinico.
Questo articolo introduce RECON, un'architettura multi-agente neuro-simbolica che combina regole deterministiche, rilevamento fuzzy e ragionamento tramite LLM con un sistema di ricette guidato da YAML e un auditing a prova di manomissione per fornire revisioni della conformità documentale riproducibili, difendibili e basate sulla fusione delle evidenze attraverso repository aziendali eterogenei.
Questo articolo dimostra che, per la registrazione in microscopia correlativa, la somiglianza dell'aspetto cross-modale è un determinante del successo più critico rispetto alla gestione della scala del campo visivo, come dimostrato dalle prestazioni superiori dei backbone addestrati su dati cross-modali e dal fallimento di wrapper ingenui sensibili alla scala nel superare le discrepanze di aspetto.
Questo articolo introduce un protocollo di correzione di Fourier efficiente in termini di costi e privo di addestramento che quantifica e regola specifici disallineamenti di ampiezza a bassa frequenza tra immagini di costruzione sintetiche e reali per migliorare significativamente le prestazioni di segmentazione cold-start per classi rare e critiche per la sicurezza senza richiedere estesi dati target non etichettati o modelli generativi.
Questo articolo introduce CB-SentiLex, un framework di debole supervisione verificabile e il primo benchmark NLP riproducibile per una banca centrale dell'Asia meridionale, che genera con successo etichette di posizione per un corpus della Bangladesh Bank e dimostra una forte prestazione del modello insieme a significative correlazioni con le direzioni della politica monetaria, nonostante le sfide derivanti dal drift concettuale temporale.
Questo studio introduce il framework dell'Ethical Field Theory per dimostrare, attraverso simulazioni su larga scala, che la stabilizzazione mirata adattiva è significativamente più efficace della regolamentazione uniforme o della mancanza di intervento nel prevenire instabilità a cascata ricorsiva attraverso diverse topologie di rete di IA multi-agente.