974 articoli
Questo articolo introduce SBC-AND, un dataset curato di 442 record di pubblicazioni scientifiche in portoghese progettato per affrontare la sottorappresentazione delle lingue non inglesi nella ricerca sulla disambiguazione dei nomi degli autori e per servire come benchmark impegnativo per la valutazione dei modelli di disambiguazione multilingue.
Questo articolo propone un modello di ranking per la raccomandazione multimodale consapevole dello stato per l'e-commerce transfrontaliero che modella esplicitamente i cambiamenti di intenzione dell'utente a breve termine attraverso sei stati operativi, ottenendo prestazioni superiori nelle raccomandazioni di categorie incrociate e di articoli a bassa frequenza sul nuovo dataset CEMR-42M da 42 milioni di record rispetto ai baseline esistenti.
Questo studio introduce il framework MDQ-3L per confrontare modelli di apprendimento automatico classici, profondi e quantistici per la previsione dell'inquinamento atmosferico, rivelando che mentre i modelli classici come CatBoost e DBN superano attualmente gli approcci quantistici sotto i vincoli NISQ, il sistema di punteggio multi-metrica proposto identifica efficacemente i limiti strutturali e guida la selezione di circuiti quantistici a basso entanglement per il futuro modellamento ambientale ibrido.
Questo articolo propone l'uso di un CUT-GAN a basse risorse per generare patch di mammografia sintetiche per l'addestramento di modelli di deep learning in contesti con scarse risorse, dimostrando che, sebbene i dati sintetici migliorino le prestazioni del modello rispetto all'assenza di dati, attualmente producono un'accuratezza inferiore (AUC 0,751) rispetto all'addestramento su immagini reali (AUC 0,913).
Questo articolo presenta una pipeline RV32IM a cinque stadi sintetizzabile dotata di un predittore di branch gshare integrato e di un'unità di visualizzazione VGA su FPGA indipendente dall'host, che raggiunge un miglioramento delle prestazioni di 2,33× rispetto a un baseline statico, consentendo al contempo l'ispezione della pipeline in tempo reale e la verifica funzionale bit-exact.
Questo articolo propone un framework leggero denominato Dual-Attention EEGNet basato sull'estrazione di caratteristiche spazio-temporali profonde (CSFE-DAE) che combina i Common Spatial Patterns con meccanismi di doppia attenzione per raggiungere un'accuratezza allo stato dell'arte del 97,59% nella rilevazione della malattia di Parkinson su segnali EEG.
Questo studio ha utilizzato un modello di sviluppo Four-D per creare e validare un sistema di gestione dell'apprendimento basato sull'IA per le scuole primarie, che gli esperti hanno ritenuto altamente fattibile ed efficace nel potenziare le capacità di pensiero computazionale degli studenti, in particolare nella decomposizione, l'astrazione e gli algoritmi.
Questo articolo propone una Rete Neurale Ibrida Quantistico-Classica Adattiva alle Caratteristiche (FAF-HQNN) che pesa dinamicamente le predizioni classiche e quantistiche per ottenere un'accuratezza superiore e robustezza contro il rumore nei compiti di classificazione di immagini biomediche.
Il documento propone ACDGRec, un modello di raccomandazione robusto che integra l'addestramento avversario e l'apprendimento contrastivo in una rete neurale a grafi basata sulla diffusione per affrontare efficacemente la scarsità dei dati, i problemi di cold-start e l'instabilità dell'input catturando le correlazioni latenti del contesto dell'utente.
Questo articolo propone un framework NDN-aware di Multi-Agent Deep Deterministic Policy Gradient (MADDPG) cooperativo che sfrutta l'apprendimento decentralizzato e rappresentazioni di stato specializzate per mitigare efficacemente gli attacchi di Cache Pollution nel Named Data Networking, dimostrando un'efficienza della cache superiore, una convergenza più rapida e una resilienza potenziata rispetto agli approcci single-agent e convenzionali.