2578 articoli
Questo studio propone un sistema di riconoscimento vocale basato su LSTM per la lingua assamese a basse risorse, utilizzando un dataset auto-curato e caratteristiche acustiche ibride per raggiungere un'accuratezza del 95%, evidenziando al contempo le sfide poste dalle somiglianze fonetiche tra le vocali.
Questo articolo propone un algoritmo basato sul contesto visivo e sul campo ricettivo spaziale che integra la modellazione dello stato residuo, i vettori di guida e l'attenzione deformabile multi-scala per ripristinare efficacemente gli affreschi di Dunhuang, affrontando l'oblio dei pixel locali e l'insufficiente percezione spaziale, migliorando così significativamente le metriche di qualità del ripristino.
Questo articolo propone un framework Deep Cross Neural Network (DCNN) che raggiunge un'accuratezza del 98,4% nel rilevamento di Hardware Trojan furtivi in circuiti VLSI basati su FPGA, estraendo e correlando caratteristiche strutturali e funzionali, offrendo una soluzione affidabile che riduce la dipendenza dai modelli di riferimento golden.
Questa revisione sistematica di 104 studi rivela che la ricerca sull'accessibilità digitale è dominata da strumenti automatizzati e concentrata nei settori dell'istruzione e del governo, creando un "gap tra valutazione e azione" in cui la convenienza metodologica e il pregiudizio settoriale hanno sostituito gli approcci centrati sull'utente e non sono riusciti a risolvere le persistenti barriere di accessibilità nell'ultimo decennio.
Il documento introduce OntoLearner, un framework modulare open-source che unifica l'accesso alle ontologie, le pipeline di apprendimento guidate da LLM e il benchmarking standardizzato attraverso 22 domini, rivelando che il principale collo di bottiglia nell'apprendimento delle ontologie sia un disallineamento strutturale tra la codifica della conoscenza del modello e l'organizzazione ontologica piuttosto che la capacità del modello stesso.
Questo studio propone un approccio basato su un modello linguistico di grandi dimensioni con recupero aumentato che trasforma i feedback di valutazione non strutturati in modelli di errore allineati al curriculum con alta precisione, consentendo ai team didattici di riflettere sull'impatto dell'istruzione e guidare revisioni curriculari mirate nell'istruzione superiore.
Questo studio valuta l'efficacia di quattro principali agenti conversazionali basati su LLM come tecnologie assistive per la navigazione web, riscontrando che, sebbene dimostrino un potenziale promettente nel migliorare l'accessibilità per diversi gruppi di utenti interpretando le strutture delle pagine e guidando le interazioni, le loro prestazioni variano significativamente tra i diversi strumenti.
Questo articolo introduce HE-CloudML, un framework di preservazione della privacy che consente l'inferenza di reti neurali profonde in modo sicuro ed efficiente su dati criptati nel cloud utilizzando la Crittografia Omomorfica, raggiungendo una precisione quasi identica a quella in chiaro con significativi miglioramenti della latenza rispetto alle soluzioni esistenti, garantendo al contempo una robusta resistenza contro vari attacchi alla privacy.
Questo articolo introduce WSymBERT, un modello di attenzione neuro-simbolico pesato che combina la comprensione contestuale del linguaggio con la conoscenza strutturata di esperti per ottenere una previsione automatizzata altamente accurata e interpretabile delle metriche Base di CVSS v3.1, superando i modelli transformer esistenti pur allineandosi più strettamente al ragionamento degli esperti.
MAP-RAG è un nuovo framework adattivo multi-vista che migliora l'accuratezza e l'efficienza della diagnosi clinica integrando la decomposizione strutturata delle cartelle cliniche elettroniche con il recupero ibrido e il routing dinamico della fiducia, dimostrando prestazioni superiori in molteplici reparti medici rispetto ai modelli di base.