3729 articoli
Questo articolo presenta MonoClub, un framework guidato dalla posa che localizza in modo affidabile le teste e gli steli dei bastoni da golf in video monoculari integrando priori di scala corporea, indizi geometrici e di aspetto, e coerenza temporale per superare sfide quali il motion blur e l'occlusione.
Questo studio dimostra che, sebbene la serie GPT-5 Pro possa accelerare significativamente e automatizzare accuratamente l'estrazione dei dati e la valutazione del rischio di bias nelle revisioni sistematiche utilizzando il prompting zero-to-few-shot, essa sottoperforma ancora nello screening dei testi completi e richiede flussi di lavoro ibridi con intervento umano (human-in-the-loop) per la generazione delle stringhe di ricerca e lo screening degli articoli al fine di garantirne l'affidabilità.
Questo articolo introduce CrossKAN, un modello leggero di previsione del carico multi-energia che integra una testa basata su Kolmogorov–Arnold Network con un'architettura ottimizzata tramite Artificial Lemming Algorithm e una selezione delle caratteristiche a tripla correlazione per migliorare significativamente l'accuratezza della previsione mantenendo al contempo l'efficienza computazionale.
Questo articolo valuta la durabilità di quattro modelli di machine learning sotto spostamenti progressivi della distribuzione tabulare attraverso molteplici dataset e meccanismi di spostamento, rivelando che, sebbene la prestazione iniziale su dati puliti predica fortemente la durabilità assoluta, le metriche di ritenzione relativa possono essere fuorvianti, e che specifiche strategie di monitoraggio come DoC o regressori random forest sono ottimali per rilevare i fallimenti operativi a seconda della disponibilità dei dati.
Questo articolo introduce ThyroNet, un modello di deep learning ibrido che combina strati CNN, BiLSTM e DNN, il quale raggiunge un'elevata accuratezza (accuratezza di test del 94,81%) nella previsione della ricorrenza del cancro alla tiroide analizzando efficacemente le caratteristiche cliniche e patologiche per supportare la pianificazione di trattamenti personalizzati.
Questa revisione critica mappa la maturità dei metodi di IA attraverso la pipeline di sviluppo dei sensori, distinguendo tra capacità commercialmente implementate in aree come la calibrazione e lo screening dei materiali rispetto alle rivendicazioni largamente proiettate di compressione dell'intero ciclo di vita, identificando al contempo le lacune di dati chiave e le condizioni per la futura validazione.
Questo articolo dimostra che per l'Analisi del Sentimento Basata sugli Aspetti cross-domain basata su Mamba, il semplice pooling dell'ultimo token combinato con l'adattamento delle pseudo-label è più efficace di metodi di aggregazione sofisticati o strategie di pooling complesse, nonostante le attuali inefficienze di implementazione rispetto a BERT.
Questo studio dimostra che il potenziamento del rilevamento di paper mill basato sull'apprendimento automatico nella ricerca sul cancro, integrando i dati del testo completo, delle citazioni e delle immagini con le informazioni di titolo e abstract, migliora significativamente l'accuratezza del modello, raggiungendo fino al 98,2% nella validazione interna e al 96,4% nella validazione esterna.
Questo articolo dimostra che, sebbene l'astensione consapevole del conflitto nella verifica delle affermazioni in FEVER fornisca una razionale interpretabile per la sospensione delle risposte, essa non riesce a migliorare l'accuratezza selettiva rispetto al ranking basato sulla confidenza standard a livelli di copertura corrispondenti e si comporta scarsamente quando applicata a prove scientifiche.
Questo articolo introduce SciFilter, un sistema open-access basato sui metadati che automatizza lo screening scalabile delle fonti di pubblicazioni accademiche allineando i dati bibliografici con registri nazionali come JUFO e il Registro Norvegese, raggiungendo un'elevata accuratezza (precisione 0,95, richiamo 0,96) e affidabilità (Kappa di Fleiss 0,94) rispetto ai benchmark curati da esseri umani.