974 articoli
Questo articolo propone CD-LHBC, una blockchain gerarchica leggera guidata dal consenso per le Digital Cousin Networks che integra sottocatene regionali, una catena di coordinamento e un punteggio di coerenza digitale del cugino dinamico per ottenere una sincronizzazione a bassa latenza e tollerante ai guasti in ambienti multi-regione con fino al 25% di nodi malevoli.
Questo articolo presenta un approccio basato sui dati che utilizza reti di sensori e ensemble di alberi decisionali randomizzati per rilevare, localizzare e tracciare accuratamente sorgenti radioattive in ambienti complessi, dimostrando prestazioni superiori rispetto ai metodi tradizionali pur eliminando la necessità di una modellazione dettagliata del trasporto di radiazioni.
Questo articolo propone il modello Quality-Constrained Preference Fading (QCPF), che migliora la raccomandazione basata su diffusione discreta sostituendo il campionamento casuale uniforme con una distribuzione mista consapevole della qualità e un meccanismo di filtraggio dei falsi negativi per generare traiettorie di degradazione delle preferenze più informative, migliorando così significativamente le prestazioni di raccomandazione Top-K senza aggiungere latenza di inferenza.
Questo articolo propone un modello ibrido di rilevamento di URL di phishing che integra le Graph Neural Networks con la Random Forest per ottenere un'accuratezza superiore e una riduzione dei falsi positivi rispetto al machine learning tradizionale e ad altri approcci basati su GNN.
Questo articolo propone un'architettura multi-agente che sfrutta agenti autonomi guidati da LLM per consentire l'assicurazione della qualità del software autodiretta, automatizzando la generazione, l'esecuzione, l'auto-riparazione e il triage dei difetti, apprendendo continuamente dai risultati storici per superare i limiti del tradizionale testing basato su script.
Questo articolo propone un Framework di Deep Learning Ibrido Spiegabile (HEDLF) che integra CNN, BiLSTM e meccanismi di attenzione con la fusione multi-sensore e la spiegabilità basata su SHAP per ottenere una manutenzione predittiva ad alta precisione e l'interpretabilità fisica per i sistemi IoT industriali, come validato dalle prestazioni superiori sui benchmark NASA C-MAPSS e IEEE PRONOSTIA.
Questa revisione sistematica di 22 studi pubblicati tra il 2010 e il 2026 conclude che, sebbene i filtri di Gabor e wavelet apprendibili offrano miglioramenti interpretabili e parsimoniosi in termini di parametri per la classificazione del tumore al seno mammografico, rimane un significativo vuoto di prove riguardante la loro integrazione congiunta per la stadiazione radiologica e patologica multiclasse.
Questo articolo propone un framework di edge intelligence distillata che combina una strategia di distillazione della conoscenza in due fasi con un meccanismo di inferenza collaborativa edge-cloud consapevole della confidenza per ottenere un rilevamento ad alta precisione dei difetti dei bulloni su dispositivi di torri di comunicazione con risorse limitate, riducendo significativamente i rapporti di upload verso il cloud e la latenza.
Questo studio propone e valida un framework di deep learning gerarchico che combina il rilevamento YOLOv8 con la classificazione DenseNet121 per ottenere un rilevamento, una tipizzazione e una visualizzazione spaziale robusti delle malattie dell'ananas in difficili condizioni tropicali sul campo, dimostrando un'accuratezza e una fiducia superiori nei test in campo cieco rispetto agli approcci a stadio singolo.
Questo articolo propone un framework computazionale che formalizza la metafora del "pensare fuori dagli schemi" definendo i confini concettuali come regioni geometriche in uno spazio semantico latente, consentendo così la misurazione della deviazione creativa attraverso una metrica di distanza geometrica normalizzata per argomento.