2305 articoli
NeviUNet è una variante di U-Net efficiente e potenziata dall'attenzione che ottiene una segmentazione accurata e a bassa latenza delle lesioni cutanee in immagini del corpo intero integrando l'attivazione Mish, gli Attention Gate e i blocchi SE, omettendo al contempo componenti computazionalmente costosi.
Il documento presenta FlapFlowNet, un framework di streaming basato su Transformer che raggiunge un monitoraggio della perfusione in tempo reale e ad alta precisione per sequenze di chirurgia di lembo a lunghezza variabile, combinando una CNN leggera, la modellazione temporale e una funzione di perdita ottimizzata per scopi medici per ridurre significativamente i tassi critici di falsi negativi.
Il documento presenta ORACOLO, un'architettura di question-answering neuro-simbolica che integra la generazione di query SPARQL vincolata dall'ontologia con il fallback del recupero denso, dimostrando un miglioramento significativo dell'accuratezza fattuale rispetto al puro recupero denso pur mantenendo una fedeltà comparabile.
Questo studio propone un modello di deep learning ibrido CNN-LSTM addestrato su un dataset personalizzato che combina benchmark globali e traffico SDN simulato con NS-3 per raggiungere un'accuratezza del 97,8% nel rilevamento di attacchi informatici contro l'infrastruttura e-government del Sudan, offrendo una soluzione scalabile per potenziare la cybersicurezza nazionale.
Questo studio presenta un framework di machine learning spiegabile che utilizza un modello XGBoost per prevedere la durata delle fasi iniziali della costruzione basandosi su informazioni limitate sul progetto, dimostrando che, sebbene il modello raggiunga una forte performance predittiva con il costo del progetto come driver principale, i suoi risultati richiedono un'interpretazione attenta a causa della sensibilità alla partizione dei dati.
Questo articolo introduce la Photonic Quantum-Enhanced Knowledge Distillation (PQKD), un framework ibrido che sfrutta la stocasticità intrinseca dei processori quantistici fotonici per generare segnali di condizionamento per una rete student essenziale in termini di parametri, raggiungendo un'accuratezza competitiva sotto una compressione aggressiva su benchmark standard pur utilizzando la scalabilità del rumore di sparo e l'appiattimento delle caratteristiche per gestire i limiti di campionamento finito.
Questo articolo propone un metodo di selezione certificato per il conteggio delle finestre di partizione ARINC-653 che identifica una granularità di offerta quasi ottimale con un costo computazionale significativamente ridotto rispetto alla ricerca esaustiva, sfruttando l'osservazione che molti conteggi di finestre producono valori di prestazione quasi identici.
Questo articolo propone il framework PACPT-LB, un approccio di apprendimento automatico ibrido che predice proattivamente i fallimenti di handover, i fallimenti del collegamento radio e gli eventi ping-pong nelle reti 5G mmWave, sfruttando un dataset simulato su larga scala e combinazioni di modelli ottimizzate per raggiungere una precisione superiore in diverse condizioni di mobilità.
Questo studio presenta e valida un sistema di screening assistito da IA contestualizzato che migliora significativamente l'efficienza e l'accuratezza nel rilevamento della duplicazione di immagini nelle pubblicazioni biomediche, integrando la somiglianza visiva con l'adjudicazione del rischio contestuale per ridurre i falsi positivi pur mantenendo un'elevata sensibilità.
Questo articolo propone un metodo di Consenso della Texture Sensibile alla Visibilità con vincoli strutturali locali per migliorare la ricostruzione tramite 3D Gaussian Splatting in scene con texture degradata, dimostrando guadagni di robustezza statisticamente significativi sotto protocolli controllati pur riconoscendo i limiti nelle prestazioni dello stato dell'arte nel mondo reale.