974 articoli
Questo articolo propone SDD-YOLO11n, un modello di rilevamento oggetti leggero per il riconoscimento di incidenti stradali che integra un backbone ShuffleNetV2, un modulo DW_ADown e un modulo DS_SENetV2 per ridurre significativamente la complessità computazionale migliorando al contempo l'accuratezza e le prestazioni in tempo reale rispetto all'originale YOLO11n e ad altri modelli mainstream.
Questo articolo presenta una meta-euristica di ricerca nel vicinato variabile ridotta (rVNS) cooperativa per ottimizzare il complesso problema del routing e della pianificazione dei veicoli con capacità, più viaggi, finestre temporali e pause pasti (MTCVRSPTW-MB) per le operazioni di catering aeroportuale, dimostrando la sua superiore efficienza e riduzione del chilometraggio rispetto ai metodi esatti su istanze reali presso l'aeroporto internazionale di San Francisco.
L'Autonomous Research Assistant è un'applicazione web AI full-stack che sfrutta l'API di Semantic Scholar, un classificatore Linear SVM perfezionato e Google Gemini 2.5 Flash per scoprire, classificare, riassumere e citare automaticamente articoli accademici, riducendo così del 70% i tempi di revisione manuale della letteratura.
Questo articolo valida empiricamente l'applicazione del modello di creazione della conoscenza SECI alla memoria degli agenti IA dimostrando che la trasformazione della cronologia conversazionale in conoscenza strutturata supera significativamente l'archiviazione testuale letterale nei compiti di recupero a lungo termine, principalmente mitigando la troncatura della finestra di embedding che causa la perdita di circa il 90% del contenuto della sessione nell'archiviazione grezza.
Il documento propone un algoritmo di Adaptive Mutation Driven Harris Hawk Optimization (AMDHHO) che integra il volo di Levy e strategie di mutazione dinamica per risolvere efficacemente problemi di scheduling di tipo hybrid flow shop con bracci robotici, dimostrando riduzioni significative del tempo massimo di completamento e del tempo medio di attesa rispetto agli algoritmi genetici e ai piani di pianificazione originali.
Questo studio valuta la fedeltà di classificazione di quattro modelli linguistici di grandi dimensioni nel categorizzare domande di esame endodontico attraverso tre tassonomie educative, rivelando che, mentre modelli come Gemini e DeepSeek raggiungono un accordo sostanziale per le tassonomie di Bloom e SOLO, tutti i modelli faticano con la Piramide di Miller, dimostrando che la prestazione degli LLM è dipendente dalla tassonomia e distinta dall'accuratezza della risposta.
Questo studio dimostra che un classificatore ResNet-50 potenziato con spiegazioni Grad-CAM e SHAP può superare la sensibilità dei radiologi umani nel rilevare il tumore al seno all'interno di mammografie dense, raggiungendo una sensibilità del 72,2% e fornendo al contempo approfondimenti visivi azionabili per supportarne l'impiego come strumento di secondo lettore che segnala i casi ad alta confidenza e delega quelli ambigui ai clinici.
Questo studio propone un modello di previsione ibrido che integra la Singular Spectrum Analysis (SSA) per la decomposizione dei dati, un multilayer perceptron addestrato con backpropagation (MLP-BP) per la modellazione delle componenti e l'algoritmo Sparrow Search (SpSA) per l'ottimizzazione dei parametri, dimostrando una precisione superiore nella previsione del traffico passeggeri dell'aviazione civile cinese rispetto ai metodi convenzionali.
Questo articolo propone un algoritmo di clustering ibrido K-PSO che combina K-Means e Particle Swarm Optimization per ottimizzare la selezione dei cluster head nelle reti di sensori wireless per il monitoraggio ambientale, migliorando significativamente l'efficienza energetica, estendendo la durata della rete e potenziando la stabilità dei cluster head rispetto ai metodi tradizionali.
Questo articolo introduce il framework Accumulated-History Replicator Selection (AHRS) e il suo algoritmo Mycelial Network Optimization (MNO), che sfruttano dati di fitness storici pesati esponenzialmente per superare gli ottimizzatori standard basati sulla popolazione su paesaggi complessi e non separabili, pur essendo teoricamente fondati nella teoria dei giochi evolutivi e nel Teorema Fondamentale di Fisher.