929 articoli
Questo articolo propone un sistema Fuzzy-GAN adattivo che utilizza le Reti Generative Avversarie e la logica fuzzy per classificare le orientazioni del volto in angoli bassi, medi e alti (inclusi i raggruppamenti in senso orario e antiorario) per migliorare il riconoscimento facciale invariante rispetto alla posa per applicazioni di pubblica sicurezza.
Questo articolo valuta la fattibilità degli NVIDIA RTX Neural Shaders per il rendering di fluidi in tempo reale, dimostrando che, sebbene le reti neurali approssimino con successo le BSDF a livello di pixel ad elevati tassi di fotogrammi, significative limitazioni del framework attualmente ne impediscono l'efficace implementazione per i compiti di spostamento dei vertici.
Questo studio propone e valida una formulazione basata sulla correttezza parziale e sulla consapevolezza del progresso per la previsione precoce del successo nella pratica della programmazione, dimostrando che supera significativamente gli approcci binari e ordinali tradizionali catturando in modo più efficace la progressione dell'apprendimento e consentendo un supporto didattico mirato.
Questa revisione sistematica di 122 studi (2015–2025) dimostra che i modelli di apprendimento automatico, in particolare gli approcci ensemble e ibridi integrati con tecnologie di rilevamento non distruttive, migliorano significativamente la gestione post-raccolta dei frutti deperibili migliorando la valutazione della qualità e la riduzione delle perdite lungo l'intera catena di approvvigionamento, evidenziando al contempo la necessità di dataset standardizzati e validazione nel mondo reale per superare le attuali sfide di implementazione.
Questo articolo introduce la Validation-Aligned Coreset Selection (VACS), un metodo che seleziona il selettore di sottoinsiemi bilanciati per classe ottimale valutando un portafoglio su suddivisioni di validazione interna, dimostrando che la validazione ripetuta può migliorare significamente l'accuratezza della classificazione few-shot sotto vincoli di budget estremi, sebbene non superi universalmente le migliori regole di selezione statica.
Questo articolo propone un framework leggero a due stadi che utilizza YOLO11s-seg per la generazione di candidati a livello di istanza e YOLOv8n-cls per la classificazione consapevole delle occlusioni e dei falsi negativi difficili, ottenendo un'elevata accuratezza nelle decisioni di raccolta e tassi di falsi raccolti nulli in complessi ambienti di piantagioni di palma da olio.
Questo articolo propone un framework neuro-simbolico basato su regole fuzzy che integra la stima degli attributi dermoscopici tramite deep learning con regole cliniche estratte automaticamente per migliorare l'accuratezza e l'interpretabilità della classificazione del melanoma rispetto agli approcci di deep learning basati esclusivamente sull'immagine.
Questo studio dimostra che l'analisi delle caratteristiche strutturali della lista dei riferimenti di un articolo al momento della pubblicazione — specificamente i tassi di autocitazione, la diffusione degli anni dei riferimenti e la recentezza della letteratura citata — può migliorare significativamente il rilevamento precoce dei futuri rischi di ritiro prima che emerga qualsiasi prova post-pubblicazione.
Questo articolo propone un framework TabNet spiegabile che sfrutta il deep learning basato sull'attenzione e i valori SHAP per prevedere in modo accurato, robusto ed equo le prestazioni dei dipendenti da remoto utilizzando un dataset su larga scala, superando i modelli baseline tradizionali e garantendo al contempo processi decisionali nelle risorse umane trasparenti ed equi.
Questo studio dimostra che i modelli linguistici di grandi dimensioni avanzati, specificamente BioClinicalBERT e BioGPT, raggiungono un'elevata accuratezza (punteggio F1 e accuratezza del 98%) nell'identificare automaticamente i farmaci causativi per gli eventi avversi da dataset di social media e di recensioni sui farmaci, offrendo una soluzione promettente in tempo reale per il monitoraggio della sicurezza dei farmaci.