1017 articoli
Questo articolo propone un framework di Auxiliary Classifier Generative Adversarial Network (AC-GAN) che sintetizza immagini termiche ad alta fedeltà di rari difetti fotovoltaici per affrontare lo squilibrio delle classi, migliorando così significativamente la calibrazione probabilistica e l'affidabilità della diagnosi dei guasti guidata dall'IA nelle operazioni solari.
Questo articolo introduce QNeuroGen, un framework neurale ibrido quantistico-classico che raggiunge la decodifica dello stato cognitivo in tempo reale da segnali EEG rumorosi con un'accuratezza dell'89,2% e una latenza di 48 ms, integrando un pre-processing strutturato con la codifica di caratteristiche quantistiche variazionali.
Questo studio propone un'architettura ibrida ResNet101-LSTM ottimizzata con Adam che raggiunge un'elevata accuratezza e specificità nella classificazione del cancro al seno da immagini istopatologiche BreaKHis a 40x di ingrandimento, superando altri modelli di deep learning sia negli scenari binari che in quelli multiclasse.
Questo studio dimostra la fattibilità delle Reti Neurali Quantistiche per la previsione dell'energia eolica valutando sistematicamente 12 configurazioni rispetto ai modelli classici, rivelando che specifici design di QNN possono raggiungere prestazioni competitive (fino a R² = 0,94) nonostante i compromessi computazionali inerenti alle simulazioni dell'era NISQ.
Questo articolo introduce QGH-256, un nuovo algoritmo di hashing quantistico che genera impronte digitali a 256 bit mappando i messaggi su grafi pesati su una griglia toroidale e utilizzando la stima della fase quantistica per estrarre caratteristiche spettrali che catturano sia proprietà strutturali che dinamiche, dimostrando una forte sensibilità crittografica e fattibilità attraverso simulazioni Qiskit.
Questo articolo introduce DDANet, una nuova rete di doppia attenzione densa (Dense Dual-Attention Network) che combina connessioni skip dense e meccanismi di doppia attenzione per ottenere una delimitazione dei bordi e una generalizzazione superiori nella segmentazione di immagini mediche, superando i modelli baseline con elevati punteggi di accuratezza, Dice e IoU.
Questo articolo presenta TinyOL-ARLDA, un framework di apprendimento incrementale leggero e on-device basato sull'Analisi Discriminante Lineare regolarizzata che consente la manutenzione predittiva basata sul suono in tempo reale, indipendente dal cloud, su microcontrollori con un'accuratezza superiore al 94% e un'impronta di memoria inferiore a 20 KB.
Questo articolo propone CGS-RAG, un nuovo framework che sfrutta l'algoritmo HDRF per la partizione personalizzabile delle comunità e la reportistica semantica per superare i limiti dei sistemi RAG tradizionali e potenziati dai grafi, bilanciando la coerenza semantica globale con l'efficienza nell'uso delle risorse in scenari di conoscenza dinamica.
Questo articolo presenta un framework deterministico e basato su concetti per l'addestramento nei simulatori di volo che mappa l'evidenza subsimbolica in adattamenti di scenario ammissibili tramite una politica di apprendimento automatico vincolata, garantendo l'affidabilità attraverso garanzie di sicurezza formali e dimostrando l'efficacia empirica nell'approssimare una politica di base verificata.
Questo articolo propone un framework computazionale multimodale che fonde video del cammino, segnali inerziali, pressione plantare e dati di flessione del ginocchio per ottenere una valutazione intelligente ad alta precisione della funzione del ginocchio e della previsione del rischio di esercizio per pazienti anziani, dimostrando una stabilità e una robustezza superiori rispetto ai modelli di base esistenti.