2275 articoli
Questo articolo introduce AMODD, una pipeline aumentata dal machine learning che sfrutta embedding semantici leggeri per deduplicare sezioni di documenti ridondanti e raggruppare entità di grafi, riducendo significativamente il consumo di token e la latenza degli LLM per la costruzione di grafi di conoscenza pur mantenendo un'alta qualità del recupero.
Questo articolo presenta lo sviluppo e la validazione pilota di un sistema di auto-pratica assistito dall'IA per l'erhu che integra il riconoscimento ottico della musica, il tracciamento dell'altezza e il dynamic time warping per fornire un feedback allineato allo spartito, dimostrando una forte correlazione con le valutazioni degli esperti e un'elevata usabilità tra gli studenti dei conservatori.
Questo articolo introduce la "Etica della Possibilità", un quadro concettuale-computazionale che valuta i sistemi sociotecnici quantificando il loro impatto sulle opportunità future eticamente ammissibili attraverso una nuova metrica chiamata Entropia delle Opzioni, implementata nel toolkit Omega-PE per rivelare le perdite di opportunità distributive spesso trascurate dalle misure aggregate.
Questo articolo propone un nuovo framework di iper-euristica A-Teams assistito da Apprendimento per Rinforzo che accelera significativamente l'ottimizzazione dei percorsi in tempo reale per sistemi collaborativi UAV-UGV, fornendo soluzioni quasi ottimali dal 30 al 70% più velocemente rispetto ai metodi esistenti e adattandosi efficacemente ai cambiamenti ambientali dinamici.
Il documento propone JK-DHGNN, un framework a doppia vista che integra un generatore di ipergrafi dinamici Top-, il filtraggio spettrale di Jacobi e un classificatore basato sui polinomi di Jacobi per rilevare efficacemente le frodi finanziarie ed e-commerce modellando sia le relazioni a coppie che le affiliazioni di ordine superiore, ottenendo prestazioni superiori sui dataset YelpChi e Amazon e dimostrando l'efficacia dei componenti dipendente dal dataset.
Questo articolo introduce un modulo di raffinamento dei confini (Boundary-Refinement Module, BRM) post-hoc e leggero che migliora significativamente l'accuratezza del riconoscimento di entità nominate in ambito biomedico correggendo gli errori di confine senza degradare le predizioni corrette esistenti, migliorando così la stabilità dell'estrazione delle relazioni a valle pur richiedendo risorse computazionali minime.
Questo articolo introduce ChaosEntropyGate v2 (CEG-2), un meccanismo di gating dell'incertezza limitato e apprendibile abbinato a un aumentatore di caratteristiche che, pur migliorando moderatamente il rilevamento del malware basato sul deep learning in regimi specifici e correggendo i precedenti problemi di instabilità, conferma infine che gli ensemble di alberi ottimizzati rimangono la soluzione più robusta ed economica per il compito.
Questo articolo valuta e confronta le prestazioni dei modelli Random Forest, XGBoost e Temporal Convolutional Network per la previsione della vita utile residua delle batterie agli ioni di litio, dimostrando il loro dispiegamento pratico ed efficacia sulla Coral Dev Board per la manutenzione predittiva nei veicoli elettrici.
Il documento introduce APOSM, un framework di apprendimento attivo che migliora la progettazione di piccole molecole addestrando un modello surrogato basato su reti neurali a grafo su confronti molecolari a coppie anziché su punteggi assoluti, migliorando così significativamente il raggiungimento del target e l'efficienza di campionamento in regimi di screening rumorosi.
Questo articolo introduce InterGRACE, un framework avversario integrato guidato dai gradienti che genera spiegazioni controfattuali clinicamente significative per ECG a 12 derivazioni prendendo di mira caratteristiche rilevanti per la decisione come il segmento ST e l'onda T, migliorando così l'interpretabilità dei modelli di IA per la rilevazione dell'infarto del miocardio.