1398 artigos
O Xender+ é um framework inovador que aumenta a eficiência da transmissão de dados de séries temporais ao substituir o retreinamento frequente de modelos online por uma biblioteca no lado da nuvem de modelos pré-treinados e agrupados por padrões para reutilização direta, alcançando, assim, menor latência de ponta a ponta e alta precisão de reconstrução em comparação com os baselines do estado da arte.
Este artigo introduz uma estrutura de benchmarking consciente de recursos utilizando amostragem temporal adaptativa para avaliar as compensações entre eficiência e precisão no reconhecimento de ações em vídeo, demonstrando que a arquitetura R(2+1)D-18 reduz significativamente o consumo de energia enquanto mantém um desempenho estável através de variados orçamentos computacionais.
Este estudo propõe um framework de aprendizado profundo multimodal que integra imagens de radiografias de tórax com metadados demográficos utilizando uma arquitetura ConvNeXt Large, alcançando uma AUC média macro de 96,88% no conjunto de dados NIH ChestX-ray14 e demonstrando desempenho e interpretabilidade superiores em comparação com modelos existentes baseados apenas em imagens.
Este artigo propõe o HRDAWNet, uma nova estrutura de atenção que integra a Atenção Tri-Fatorada e o Janelamento Adaptativo Dinâmico para alcançar a precisão de estado da arte na classificação de contrações atriais e ventriculares prematuras, ao capturar efetivamente dependências espaço-temporais complexas e adaptar-se a informações contextuais dinâmicas.
Este artigo apresenta um estudo de caso de múltiplos semestres demonstrando que a substituição dos tradicionais ambientes de desenvolvimento PHP baseados em XAMPP por Docker e DevContainers em universidades de Barein reduz o tempo de configuração dos alunos em mais de 90% e diminui significativamente a carga cognitiva estranha, evitando assim que erros de configuração comprometam todo o curso.
Este artigo propõe uma heurística baseada em aprendizado para planejamento de trajetória dinâmica que integra uma rede neural de grafo sensível a saltos (HopGNN) com uma unidade recorrente de porta convolucional (ConvGRU) para capturar efetivamente topologias espaciais de múltiplas escalas e mudanças ambientais temporais, demonstrando taxas de sucesso e eficiência de busca superiores a métodos existentes como GCN-A*, GAT-A* e D* Lite em ambientes de grade simulados.
Este artigo apresenta um benchmark multidomínio avaliando cinco grandes modelos de linguagem, um léxico baseado em regras e um transformer supervisionado contra anotações humanas, revelando que, embora modelos de alto nível como Claude Opus 4.7 e GPT-5.5 alcancem um forte alinhamento com humanos, persiste uma discordância significativa entre os modelos e com os rótulos humanos — particularmente em textos informais — demonstrando que a seleção do modelo impacta materialmente os resultados da classificação de sentimento.
Este artigo propõe um novo framework de marca d'água em nível de AST, agnóstico a modelos, que incorpora assinaturas criptograficamente verificáveis na topologia sintática de código gerado por IA por meio de mutações estruturais preservadoras de semântica, alcançando uma atribuição de proveniência robusta e superando significativamente os métodos existentes de nível de texto contra transformações comuns de código, como formatação, renomeação e injeção de código morto.
Esta revisão sistemática de 297 estudos revela que, embora o SHAP e o LIME sejam amplamente adotados para explicabilidade em aprendizado de máquina financeiro — particularmente para modelagem de crédito —, eles sofrem de uma falta crítica de avaliação formal, com apenas 9,1% dos artigos avaliando a qualidade da explicação, destacando uma necessidade urgente de padrões mais fortes de validação e implementação para garantir a conformidade regulatória e a confiança.
Este artigo propõe um framework de atualização de software via aérea (SOTA) segura que aumenta a segurança das transmissões OTA ao criptografar binários de software com AES-256-GCM e incorporá-los em imagens em tons de cinza usando esteganografia LSB guiada por mapa caótico para ocultar o payload e prevenir adulterações.