3697 articoli
Questo studio computazionale che utilizza i paesaggi NK rivela che, mentre la maggior parte delle regole di ristrutturazione della rete fallisce nel migliorare la ricerca organizzativa, la ristrutturazione basata su fasi avviata dal progettista migliora significativamente le prestazioni specificamente in ambienti di problemi altamente complessi.
Questo articolo introduce SecureL-DLSC, un framework di composizione di servizi consapevole della sicurezza e della privacy che impone vincoli di fattibilità obbligatori attraverso un protocollo di ammissibilità delle prove verificabile, dimostrando che le penalità morbide sono insufficienti per la conformità e che sono necessarie implementazioni di ottimizzatori specifiche per trovare soluzioni fattibili sotto politiche rigorose.
Questa revisione sistematica di 186 studi rivela che, sebbene la supervisione umana sia ampiamente imposta come salvaguardia per le decisioni assistite dall'IA, l'evidenza attuale è in gran parte normativa e associativa piuttosto che causale, spingendo gli autori a proporre un nuovo quadro con componenti misurabili e proposizioni testabili per stabilire se tale supervisione migliori realmente la qualità delle decisioni.
Per superare le sfide nel rilevamento del patrimonio culturale subacqueo, come la scarsità di dati e la distorsione del colore, questo articolo introduce il dataset WRF e UCH-Net, un rilevatore a doppio stream guidato dalla fisica che supera significativamente i baseline esistenti fondendo efficacemente le informazioni RGB e di profondità.
Questo articolo propone una prospettiva strutturalista sostenendo che i grandi modelli linguistici esibiscano una forma di competenza semantica radicata nell'organizzazione relazionale interna delle loro reti, piuttosto che in simboli tradizionali, nell'incarnazione o in un'intenzionalità di tipo umano.
Questo articolo introduce Targeter, un framework specializzato nel comportamento che suddivide i processi di sistema in categorie e addestra dedicati autoencoder grafici leggeri per ciascuna di esse, ottenendo così un rapporto precisione-richiamo superiore e una migliore qualità degli avvisi nel rilevamento delle intrusioni basato sulla provenienza, mantenendo al contempo un basso overhead computazionale.
Questo studio presenta una valutazione sistematica di sette rappresentazioni visive pre-addestrate per la classificazione delle malattie cutanee del viso in sei classi, dimostrando che il modello Derm Foundation combinato con un classificatore XGBoost raggiunge prestazioni superiori (accuratezza dell'88,17%) evidenziando al contempo specifiche sfide nel distinguere la dermatite seborroica dalla rosacea e convalidando la fattibilità tecnica del framework attraverso un prototipo di applicazione web.
Questo studio valuta l'accuratezza del recupero e la latenza di TF-IDF, BM25, un retriever denso MiniLM quantizzato e la loro fusione per rango reciproco sul benchmark FiQA, riscontrando che, sebbene il modello denso superi significativamente i metodi sparsi, l'approccio di fusione produce solo un miglioramento marginale e statisticamente insignificante rispetto a MiniLM da solo.
Questo studio dimostra che l'applicazione di un flusso di lavoro sistematico di data engineering al Cleveland Heart Disease Dataset — specificamente attraverso la selezione d'insieme delle caratteristiche e la rimozione del rumore delle etichette — migliora significativamente la predittività del dataset e ne riduce la complessità, trasformandolo così in una risorsa più affidabile e pronta per l'IA per applicazioni cliniche.
Questo articolo propone un sistema intelligente di verifica della firma che migliora l'accuratezza combinando un pre-processing migliorato, l'estrazione di caratteristiche basata su ResNet, un algoritmo di ottimizzazione ibrido Walrus-Greylag Goose per la selezione delle caratteristiche e un modello RNN-Bi-LSTM a fusione a livello di punteggio, ottenendo prestazioni superiori sui dataset GPDS e CEDAR.