929 articoli
Questo articolo propone DP-DCGAN, una Deep Convolutional Generative Adversarial Network potenziata dalla privacy differenziale che impiega il clipping adattivo del gradiente e l'iniezione di rumore per raggiungere un equilibrio superiore tra protezione della privacy e sintesi di immagini di alta qualità su dataset standard.
Questo articolo introduce una funzionalità di bilanciamento del carico adattivo guidata dall'IA per CloudSimPlus che utilizza un modello Decision Tree pre-addestrato per selezionare dinamicamente la strategia più adatta da un framework unificato di policy basato su metriche in tempo reale e obiettivi definiti dall'utente, migliorando così l'efficienza e il processo decisionale in ambienti cloud dinamici.
Questo articolo sostiene che dare priorità a una forte generalizzazione del modello per prevenire l'overfitting sia una strategia più efficace per mitigare gli attacchi di inferenza di appartenenza e di attributo nei sistemi di rilevamento delle intrusioni SDN-IoT rispetto al fare affidamento esclusivamente sulla privacy differenziale, proponendo un modello a cascata ibrido AOPRF-XGBoost per ottenere un'elevata accuratezza di rilevamento preservando al contempo la privacy.
Questo articolo propone LA-MOCHS, un framework evolutivo consapevole della durata operativa che affronta la selezione multi-obiettivo dei cluster-head nelle reti di sensori wireless sottomarine modellando la capacità di servizio come un problema di massimizzazione dell'influenza submodulare, ottenendo così una superiore sostenibilità della rete a lungo termine attraverso strategie di dispiegamento consapevoli del carico piuttosto che attraverso l'ottimalità di un singolo round.
Questo articolo presenta un framework per la previsione precoce del rischio degli studenti, orientato alla tutela della privacy e ai vincoli di risorse, che integra modelli XGBoost calibrati, spiegabilità basata su SHAP e uno strato di intervento agente consapevole del budget per garantire processi decisionali accurati, interpretabili e conformi, supportando al contempo l'unlearning delle macchine.
Questo articolo introduce CerebroTune, una nuova meta euristica ibrida di ispirazione biologica che integra Automi Cellulari, un algoritmo Artificial Bee Colony modificato e l'Apprendimento per Rinforzo con reti di Hopfield per ottimizzare dinamicamente gli iperparametri del deep learning, ottenendo un'accuratezza superiore, costi computazionali ridotti e una maggiore stabilità in diversi domini rispetto ai metodi esistenti.
Questo articolo propone un algoritmo di ottimizzazione della miniera d'oro migliorato con un framework di condivisione delle informazioni a doppio strato e dominanza dinamica di Pareto (IGMO-DP) per risolvere efficacemente il problema di pianificazione multi-obiettivo di sciami di UAV eterogenei ottimizzando simultaneamente il tempo di completamento della missione, il consumo energetico e l'equilibrio del carico, dimostrando una convergenza e una diversità delle soluzioni superiori rispetto agli algoritmi allo stato dell'arte.
Questo articolo sostiene che la tradizionale metrica dell'impatto scientifico basata sulle citazioni stia diventando obsoleta in un'era di riviste scomposte e di accesso alla conoscenza mediato dall'IA, rendendo necessario un nuovo sistema che riconosca e misuri i contributi dell'interazione con l'IA, delle librerie open-source e dei dataset che mancano di pubblicazioni formali.
Questo articolo propone un metodo di offloading dei task consapevole delle code per il continuum computazionale che ibrida un'approssimazione del ritardo G/G/c corretta analiticamente con osservazioni delle code in tempo reale per assegnare dinamicamente i task sotto carichi di lavoro variabili, riducendo così significativamente la latenza e l'errore di stima rispetto ai baseline esistenti senza richiedere addestramento o calibrazione.
Questo articolo propone DPENet, una rete di potenziamento della percezione dinamica che integra moduli di convoluzione dinamica adattiva, attenzione deformabile e campionamento dinamico per affrontare efficacemente sfide quali le dimensioni variabili dei target, gli oggetti piccoli e densi e gli sfondi complessi nel rilevamento di immagini telerilevate ad alta risoluzione.