1017 articoli
Questo studio dimostra che le Submanifold Sparse Convolutional Networks (SSCN) raggiungono un'elaborazione del LiDAR batimetrico da aeromobile ad alta precisione e di grado operativo con una precisione del 97,2% e una copertura del 99,7% utilizzando dati di addestramento minimi, stabilendo un benchmark riproducibile per il rilievo costiero automatizzato e la cartografia nautica.
Questo studio propone un framework basato su GPT-4 per l'automazione di documenti amministrativi sanitari chiave, come le sintesi di dimissioni e i rimborsi assicurativi, dimostrando un'elevata fluidità e coerenza attraverso il prompt engineering, pur evidenziando la necessità di lavori futuri per affrontare l'accuratezza fattuale e l'integrazione nel mondo reale.
Questo articolo introduce un algoritmo di Ottimizzazione Compressa Monte-Carlo che sfrutta query casuali per stimare momenti generalizzati e un algoritmo greedy di compressione del segnale riadattato per risolvere problemi di ottimizzazione combinatoria, offrendo prestazioni competitive rispetto al dual annealing, giustificazione teorica e adattabilità regolabile alle risorse computazionali.
Questo articolo propone FedSAG-IVW, un framework di apprendimento federato che combina meccanismi di auto-attenzione locale con la pesatura della varianza inversa e la regolarizzazione di Tikhonov per rilevare efficacemente le fake news affrontando al contempo l'eterogeneità dei dati e preservando la privacy dei dati, raggiungendo un'accuratezza superiore su molteplici dataset.
Il documento introduce DenoisedSR, un front-end agnostico rispetto al solver che apprende prior a supporto variabile per accelerare significativamente e migliorare l'accuratezza della regressione simbolica per la scoperta di leggi fisiche, filtrando le variabili irrilevanti prima che raggiungano il backend del solver.
Questo articolo introduce il Framework Generativo Collaborativo Sensibile alla Struttura (SACGF), una nuova pipeline che integra Stable Diffusion, ControlNet e SAM per ottenere una ricostruzione digitale ad alta fedeltà delle superfici dell'arte della lacca bilanciando coerenza strutturale, fedeltà della trama e coerenza dello stile, validata da una nuova metrica quantitativa e un dataset specializzato.
Questo articolo propone SEM-EDGE-X, un framework di intelligenza semantica edge consapevole dell'intento che integra l'estrazione di caratteristiche semantiche, il routing adattivo e la coordinazione multi-agente per superare significativamente i modelli di comunicazione convenzionali nelle reti UAV–veicolari 6G dinamiche e a bassa latenza.
Questo articolo dimostra che i modelli di apprendimento automatico, in particolare le Reti Neurali Ricorrenti, possono prevedere accuratamente i tempi di attesa in sistemi di code a priorità complessi e variabili nel tempo utilizzando solo la lunghezza della coda e la priorità del cliente, superando i metodi basati su alberi in regole di servizio non preemptive e varie regole preemptive.
Questo studio valuta sei architetture di deep learning per il rilevamento di oggetti marittimi in diverse condizioni meteorologiche, dimostrando che il modello Vision Transformer (ViT) supera le alternative basate su CNN ottenendo un'accuratezza del 100%, i tassi di errore più bassi e la velocità di elaborazione più elevata, evidenziando così il suo potenziale per migliorare la sicurezza e la sorveglianza marittima guidate dall'IA.
Questo articolo propone un nuovo metodo di selezione delle caratteristiche che integra l'allineamento dei kernel per unificare i dati medici eterogenei all'interno di uno Spazio di Hilbert con Kernel Riproducente ed estende il clustering tripartito per modellare esplicitamente l'incertezza del confine, riducendo così efficacementmente la dimensionalità e migliorando significativamente l'accuratezza e la stabilità della previsione delle malattie su dataset clinici multimodali.