1017 articoli
Questo articolo propone un approccio di verifica della sorgente per il rilevamento del phishing via email che combina l'NLP per estrarre le istituzioni target con il web mining per confrontare gli URL e i contenuti forniti con i siti web ufficiali, raggiungendo un'accuratezza del 96% e superando i servizi di rilevamento esistenti.
Questo studio presenta un toolkit integrato di Realtà Aumentata ed elettronica embedded che migliora significativamente la comprensione degli studenti universitari STEM riguardo ai grafi di rete complessi, beneficiando particolarmente coloro con una bassa fiducia iniziale, combinando visualizzazioni fisico-virtuali sincronizzate con l'interazione tattile e sovrapposizioni contestuali.
Questo articolo propone NSP-ML, un framework di apprendimento multimodale che integra dati visivi con log testuali guidati dalla normalità e consapevoli dei priori spazio-temporali per migliorare significativamente il riconoscimento di comportamenti anormali dipendenti dal contesto in ambienti universitari, raggiungendo prestazioni allo stato dell'arte sul dataset CABRH8.
Questo articolo propone IoT-TrustChain, un framework di controllo degli accessi basato su blockchain e orientato all'efficienza delle risorse che integra la delega dinamica e le policy sensibili agli eventi per ridurre significativamente la latenza decisionale e il consumo di gas, migliorando al contempo la reattività in tempo reale per gli ambienti IoT limitati.
Questo studio dimostra che l'iniezione di prompt incorporata nelle immagini pone un significativo rischio di sicurezza cross-vendor per i modelli linguistici-visivi odontoiatrici, rivelando che, sebbene tutti i sistemi commerciali e open-source testati siano vulnerabili, la sanificazione basata su OCR e le strategie di governance consapevole della provenienza possono mitigare efficacemente tali attacchi preservando al contempo l'accuratezza diagnostica clinica.
Questo articolo propone una nuova rete di attenzione affine profonda consapevole dei confini che integra la modellazione delle relazioni tra coppie di parole ai confini, la convoluzione dinamica e l'attenzione affine profonda per affrontare efficacemente le sfide nell'identificazione dei confini delle entità e nella modellazione delle dipendenze a lungo raggio, raggiungendo prestazioni allo stato dell'arte sia nei compiti di riconoscimento di entità nominate piatte che annidate su cinque dataset di riferimento.
Questo articolo introduce e valuta i Bernardes Branch-Aware Pythagorean Residual Fields come uno strumento diagnostico di elaborazione geometrica specializzato, non destinato alla produzione, progettato per generare indizi di contorno compatibili con i rami per l'analisi esplorativa dell'inviluppo della mesh, pur riconoscendo esplicitamente i propri limiti riguardo alla dipendenza dalle coordinate, alla sensibilità alla risoluzione e alla mancanza di garanzie di fabbricazione rispetto ai campi di distanza standard.
Questo studio propone un framework di deep learning che utilizza architetture YOLO per rilevare e classificare otto attività del conducente, dimostrando che il modello YOLOv8n raggiunge prestazioni in tempo reale superiori con un mAP del 96,3% su un dataset di 5.422 immagini, offrendo così una soluzione efficace per migliorare la sicurezza stradale nei sistemi di trasporto intelligenti.
Questa revisione sistematica della letteratura di 136 articoli identifica 14 prospettive di ricerca chiave sulla qualità e la comprensibilità della notazione Unified Modeling Language (UML), rivela una tendenza crescente verso il testing e la valutazione, e propone direzioni di ricerca future che includono l'integrazione con le piattaforme low-code e una migliore valutazione automatizzata.
Questo articolo presenta il framework Interpretable Edge Intelligence (IEI), che combina un LSTM-Autoencoder con un approccio K-Means-compressed KernelSHAP per ottenere un'analisi della causa radice causale e in tempo reale delle anomalie di QoS nelle reti private 5G, dimostrando un'elevata accuratezza e la necessità critica della calibrazione locale per prevenire fallimenti di implementazione.