2354 articoli
Questo studio propone un sistema di classificazione ematologica automatizzato utilizzando un modello ensemble Enhanced Randomized Forest (ERF) addestrato su 7.196 record di pazienti CBC, che supera altri algoritmi di apprendimento automatico in termini di accuratezza diagnostica e utilizza le tecniche SHAP e LIME per garantire l'interpretabilità del modello per il supporto alle decisioni cliniche.
Questo articolo identifica i colli di bottiglia del pre-processing, specificamente i limiti dei bounding box SSD, come la causa primaria della perdita di accuratezza nei sistemi leggeri di rilevamento della sonnolenza del conducente e propone una soluzione che combina il pre-processing adattivo CLAHE, un protocollo di confidenza a tre zone e la quantizzazione dinamica per raggiungere un'accuratezza del 99,0% con una latenza inferiore a 40 ms su dispositivi edge.
Il documento introduce QTRadX-KOA, un framework ibrido quantistico-classico che integra una backbone DenseNet-121, un Transformer leggero e un nuovo Residual Hybrid Quantum Head per ottenere una classificazione dell'osteoartrosi del ginocchio compatibile con i dispositivi edge e con un uso efficiente delle risorse, con prestazioni paragonabili a modelli classici più grandi pur riducendo il numero di parametri di circa il 90%.
Questo articolo introduce VeritasAI, un framework multi-agente spiegabile che sfrutta la Generazione Aumentata dalla Ricerca e un archivio di conoscenza basato su grafi per rilevare le fake news in tempo reale simulando un dibattito avversariale tra agenti specializzati, fornendo così verdetti e ragionamenti trasparenti e basati su prove che superano i sistemi tradizionali a scatola nera.
Questo studio dimostra che, sebbene una politica ibrida quantistico-classica compatta possa superare marginalmente una rete classica di dimensioni analoghe nel controllo delle batterie consapevole dei costi di potenza massima, il vantaggio è limitato, specifico per il compito e non costituisce un vantaggio quantistico generale rispetto a baseline classiche più veloci.
Questo articolo introduce le Recursive Inference Machines (RIMs), un framework di ragionamento neurale che unifica backbone neurali con schemi di inferenza ricorsiva classici per migliorare le prestazioni su benchmark di ragionamento complessi e aumentare la robustezza ed l'efficienza in contesti di dati tabulari.
Questo articolo presenta e valida un'architettura di classe produzione per l'accesso sicuro tramite linguaggio naturale ai sistemi legacy aziendali che garantisce l'affidabilità sostituendo la generazione di SQL a testo libero con un Grafo di Navigazione dello Schema-Metadato e un'estrazione vincolata al catalogo, eliminando così allucinazioni e rischi di sicurezza attraverso il design architettonico piuttosto che la scala del modello.
Questo studio presenta un sistema di monitoraggio intelligente in tempo reale per le microplastiche che combina una strategia di dati migliorata con l'architettura YOLOv11 per aumentare significativamente l'accuratezza del rilevamento, ridurre la fatica dell'operatore e accelerare il processo di screening per campioni microscopici complessi.
Utilizzando la Design Science Research, questo studio propone e valida un framework agile aumentato dall'IA che accelera significativamente lo sviluppo di MVP e migliora la qualità per le startup tecnologiche lean con risorse limitate, riducendo i tempi di stima del 50% e raggiungendo fino al 97% di accuratezza nella migrazione attraverso workflow assistiti dall'IA.
Questo articolo propone un framework auto-supervisionato e consapevole dell'incertezza che migliora la stabilità della localizzazione 3D a livello di oggetto nella guida autonoma, sfruttando la coerenza geometrica temporale e la compensazione del moto proprio per raffinare le stime di profondità senza richiedere costose annotazioni di bounding box 3D.