1017 articoli
Questo articolo propone un framework di deep learning che utilizza modelli CNN, RNN e LSTM per rilevare guasti a livello di nodo nelle reti di sensori wireless basandosi su caratteristiche temporali, validato attraverso metriche di prestazione e visualizzato tramite un'interfaccia di mappatura grafica in tempo reale.
Questo studio propone un framework di apprendimento automatico trasferibile, spiegabile e consapevole dell'incertezza per la classificazione della qualità dell'acqua in regioni con scarsità di dati, che combina famiglie di compiti distinti e una modellazione robusta per fornire uno strumento di supporto decisionale cauto e riproducibile piuttosto che un classificatore automatico cieco.
Questo articolo introduce ILS+SP, una metaeuristiche ibrida che combina l'Iterated Local Search con la post-ottimizzazione tramite Set Partitioning, la quale supera significativamente i metodi allo stato dell'arte esistenti nel risolvere il Family Capacitated Vehicle Routing Problem, ottenendo soluzioni quasi ottimali su istanze benchmark su larga scala.
Questo articolo dimostra che gli agenti di pianificazione basati sul pooling affrontano un limite computabile e irriducibile nel grounding degli oggetti determinato esclusivamente dalla dimensione dell'embedding e dal numero di oggetti, un limite strutturale che causa la perdita di identità indipendentemente dalla capacità del modello o dall'addestramento.
Questo studio propone il framework Entropy-Resolved Sensor Actionability (ESA), un metodo di selezione unificato che integra rilevanza dell'informazione, stabilità temporale, non ridondanza e completezza per identificare sottoinsiemi di sensori compatti e interpretabili che mantengano una prestazione predittiva quasi perfetta in condizioni di campo variabili e in presenza di dati mancanti.
Questo articolo presenta un simulatore di circuiti quantistici Matrix Product State (MPS) accelerato da FPGA in grado di gestire oltre 500 qubit tramite l'offloading delle contrazioni tensoriali a una Xilinx Alveo U55C mantenendo la SVD e il campionamento sull'host, dimostrando che le prestazioni scalano con la dimensione del legame piuttosto che con il numero di qubit e validando il ruolo critico del sistema attraverso rigorosi esperimenti di correttezza e falsificazione.
Questo articolo introduce l'algoritmo Robust Stochastic Variance-Reduced Virtual Try-On (RSVR-VTO), un framework di ottimizzazione distribuzionalmente robusta che garantisce una deformazione geometrica e una sintesi della texture stabili sotto incertezze ambientali dinamiche, raggiungendo al contempo un tasso di convergenza O(1/ε²) e prestazioni superiori su benchmark ad alta risoluzione.
Questo articolo propone una nuova strategia educativa che integra i Large Language Models e il deep learning per creare un Bambola Amica Virtuale Intelligente, consentendo una valutazione oggettiva, continua e personalizzata del progresso educativo per bambini con Disturbo dello Spettro Autistico attraverso l'analisi di dati multimodali.
Questo articolo presenta vProjTutor, un sistema basato su agenti LLM che si integra con strumenti come Telegram, Trello e GitHub per supportare i team di studenti attraverso interazioni in linguaggio naturale per la pianificazione e il monitoraggio dei progetti, dimostrando un'elevata usabilità e tassi di completamento dei compiti in uno studio sugli utenti.
Il documento presenta Asha, un'architettura di agente clinico neurosimbolico che migliora significativamente l'accuratezza medica e la sicurezza conversazionale nei modelli linguistici integrando il punteggio simbolico, l'ancoraggio alla ricerca e la falsificazione, raggiungendo prestazioni superiori sui benchmark professionali rispetto ai modelli di frontiera e agli strumenti commerciali.