929 articoli
Questo articolo introduce i Weak-Topological Neural Operators (WTNO), un framework che potenzia la selezione degli operatori neurali per le equazioni alle derivate parziali accoppiando i predittori di stato con certificati geometrici, topologici e di misura debole per garantire previsioni fisiche robuste in scenari che coinvolgono interfacce, cambiamenti topologici ed eventi rari.
Questo studio fornisce prove empiriche che l'auto-raffinamento iterativo dei modelli linguistici converge costantemente verso punti fissi semantici stabili attraverso diverse architetture e obiettivi, suggerendo un paesaggio energetico sottostante in cui l'auto-miglioramento agisce come un processo di ottimizzazione implicito.
Questo studio valuta l'usabilità educativa di WEKA e Orange per i principianti nell'apprendimento del data mining attraverso confronti basati su compiti e feedback degli studenti, concludendo che Orange è più efficace grazie al suo flusso di lavoro visivo intuitivo e alla sua interfaccia facile da usare.
Questo articolo presenta MLCompete, una piattaforma web multilingue e scalabile progettata per valutare olimpiadi di machine learning attraverso una pipeline asincrona e agnostica rispetto alle metriche e un ambiente di esecuzione sicuro a due livelli, dimostrando la sua robustezza e affidabilità attraverso il successo del deployment nell'Olimpiade Nazionale di IA della Romania e la partecipazione internazionale.
Questo articolo propone un framework di Dual-Guidance per la segmentazione semantica semi-supervisionata che combina un modulo di raffinamento dei pseudo-label dinamico e consapevole dell'incertezza (Uncertainty-Aware Dynamic Pseudo-Label Refinement) con un modulo di guida contrastiva basato su prototipi di classe (Class-Prototype Contrastive Guidance) per raffinare congiuntamente le predizioni e regolarizzare le rappresentazioni delle caratteristiche, raggiungendo prestazioni allo stato dell'arte sui benchmark PASCAL VOC 2012 e Cityscapes.
Questa revisione sistematica di 108 studi (2010–2026) analizza come l'IA rimodelli la misurazione del marketing proponendo un framework "Misura–Valida–Proteggi" che bilancia il potenziamento del potere predittivo del deep learning e dei modelli neurali di media mix rispetto ai limiti causali e ai costi di accuratezza imposti dalle tecniche di preservazione della privacy.
Questo articolo propone un nuovo modello di Beam Search-Driven Dual-Path Feature Selection with Weighted Merging (BSDPFS-WM) che integra un pre-processing avanzato, una selezione delle caratteristiche multi-strategia e la generalizzazione impilata (stacked generalization) per ottenere un rilevamento multi-cancro robusto, generalizzabile e spiegabile attraverso diversi dataset clinici.
Questo articolo presenta un benchmark completo di nove architetture encoder-decoder per la generazione automatica di didascalie di radiografie di fratture su un dataset clinicamente curato, dimostrando che il modello BLIP-Base, pre-addestrato su visione e linguaggio, supera le altre combinazioni di encoder visivi e decoder GPT-2, fornendo al contempo approfondimenti critici sulle modalità di errore e sulla selezione dell'architettura per compiti di imaging medico a basse risorse.
Questo articolo dimostra che, sebbene il modello ForesightLM-v2 apprenda con successo un segnale di previsione futura stabile a livello di frase, tale rappresentazione non riesce a controllare direttamente il comportamento di generazione, rivelando che i suoi apparenti benefici derivano principalmente dal riordinamento semantico piuttosto che dal termine futuro appreso e sottolineando un divario critico tra le rappresentazioni apprese e gli esiti comportamentali calibrati nei piccoli modelli linguistici.
Questo articolo propone un framework incentrato sul comportamento che ricostruisce gli eventi Sysmon in sequenze correlate tramite GUID per migliorare la classificazione delle tecniche MITRE ATT&CK, dimostrando che la preservazione del contesto a livello di processo supera il raggruppamento temporale e che un modello baseline SecureBERT ottiene risultati superiori senza una mitigazione esplicita dello squilibrio delle classi.