2305 articoli
Questo articolo presenta un algoritmo di apprendimento composizionale esteso per automi paralleli sincroni che allenta la restrittiva ipotesi di unicità globale sulle azioni di sincronizzazione, consentendo così l'estrazione scalabile e corretta di modelli di componente da sistemi black-box realistici con significativamente meno risorse rispetto agli approcci monolitici.
Questo articolo introduce TAH-GAN, una rete avversaria generativa ibrida consapevole del tempo che integra la codifica temporale di Fourier e il controllo della qualità a doppio gate per generare campioni di malware Android allineati al futuro, affrontando efficacemente il drift concettuale temporale e ottenendo tassi di evasione e coerenza temporale superiori rispetto ai baseline non temporali esistenti.
Questo studio propone un framework di ensemble stacking a due livelli che integra le caratteristiche di ResNet152, DenseNet121 e una CNN personalizzata, elaborate tramite PCA e classificate da SVM e XGBoost, per raggiungere un'accuratezza quasi perfetta (0,9997) nella diagnosi della malattia di Alzheimer a quattro classi utilizzando scansioni MRI, superando significativamente gli esistenti modelli di riferimento allo stato dell'arte.
Questo articolo scinde gli effetti del meccanismo di generazione, del budget di aumento e della copertura nei modelli generativi profondi per la classificazione di malware sbilanciati, riscontrando che, mentre la maggior parte dei fattori produce guadagni di prestazioni trascurabili, l'aumento del budget di aumento fornisce un miglioramento piccolo ma riproducibile per i classificatori RBF-SVM, evidenziando l'importanza critica del design sperimentale nella valutazione delle strategie di aumento dei dati.
Il documento propone MARS-Agent, un framework multi-agente con recupero aumentato caratterizzato da un meccanismo RAG a doppio trigger e un ciclo di Verifica-Adattamento-Ripianificazione per abilitare una deliberazione a circuito chiuso e autocorrettiva, volta a potenziare la resilienza delle catene di approvvigionamento dell'e-commerce transfrontaliero contro le perturbazioni eterogenee.
Questo articolo introduce un framework di apprendimento contrastivo efficiente dal punto di vista della memoria che elimina il collo di bottiglia della memoria quadratica delle matrici di similarità dense attraverso il calcolo in streaming e la selezione dinamica di un budget fisso di negativi difficili, consentendo dimensioni dei batch significativamente più grandi su hardware limitato pur mantenendo l'efficacia dell'ottimizzazione.
Questo articolo presenta una valutazione empirica incentrata sulle preoccupazioni dei JNI code smell utilizzando l'analisi assistita da LLM di 8.207 commit in 15 progetti open-source, rivelando che le definizioni esistenti degli smell coprono solo il 36,5% delle preoccupazioni di manutenzione degli sviluppatori e proponendo tre nuove definizioni di smell per affrontare i gap identificati.
Questo studio dimostra che, sebbene la deriva controllata di schema e rappresentazione nei parser forensi per Android come ALEAPP porti frequentemente a prove incomplete o interpretate erroneamente, gli strumenti non riescono a fornire diagnostica visibile all'esaminatore di tali fallimenti, evidenziando la necessità critica di framework di validazione che diano priorità alla trasparenza del fallimento insieme all'accuratezza del recupero.
Questo articolo dimostra che la breve profondità causale della convoluzione depthwise nei modelli di attenzione lineare e nei modelli di spazio di stato impone un limite rigido e non degradabile su quali parti di una query possano condizionare il recupero, causando il fatto che il modello generi con sicurezza risposte errate quando informazioni critiche cadono al di fuori di questa stretta finestra, un fallimento che persiste negli strati superficiali ma che può essere mitigato da architetture più profonde o kernel più grandi.
Questo articolo propone un framework di rilocalizzazione visiva robusto per robot umanoidi che integra un'architettura Mixture-of-Experts con una distillazione della conoscenza gerarchica per ottenere una stima della posa a 6 gradi di libertà accurata, stabile ed efficiente in condizioni critiche come cambiamenti repentini del punto di vista e auto-occlusione.