65 artigos
Este trabalho propõe um framework de aprendizado evolutivo auto-supervisionado (SSEL) que, a partir de sinais de EEG contínuos durante tarefas de decisão crítica, descobre progressões neurodinâmicas individualizadas e variedades de identidade intrínsecas para autenticação segura e detecção de anomalias em sistemas de interação humano-veículo.
Este artigo apresenta dois novos frameworks evolutivos baseados em modelos, denominados NEMO-DE e NEEF-DE, que realizam a localização de múltiplas fontes no campo próximo utilizando diretamente o modelo de onda esférica contínua, eliminando a necessidade de grades discretizadas, dados rotulados ou restrições de arquitetura de rede.
Este artigo propõe o algoritmo híbrido NHILS, que integra o método OPERA-MC para avaliação eficiente de restrições de chance com distribuições implícitas, demonstrando superioridade na otimização multiobjetivo do Problema da Mochila de Escolha Múltipla (MCKP) em benchmarks sintéticos e de configuração de redes 5G.
Este artigo propõe um modelo de rede neural baseado em codificação por ordem de rank, inspirado no pathway STG-LIFG-PMC, que demonstra como essa codificação permite a compressão eficiente de sequências, a detecção de novidades globais e a generalização proto-sintática, servindo como uma ponte entre a entrada acústica e a representação hierárquica de estruturas gramaticais.
Este relatório documenta o trabalho do grupo SymBa na oficina ALICE 2026, que recria e expande a pesquisa pioneira de Nils Aall Barricelli sobre a simbiose de organismos numéricos para explorar seu papel na origem da vida e na inteligência coletiva, propondo novas direções para a vida e inteligência artificiais.
O artigo apresenta o PolarBear, um quadro baseado em inferência bayesiana e rankings que identifica o conjunto de Pareto ótimo de algoritmos de tempo qualquer sem necessidade de normalização ou limites conhecidos, permitindo a eliminação adaptativa de algoritmos dominados e a seleção robusta sob preferências temporais arbitrárias.
O artigo apresenta o SwitchMT, uma metodologia inovadora que utiliza Redes Neurais de Spiking com uma política de alternância de tarefas adaptativa para superar a interferência entre tarefas e permitir a aprendizagem multi-tarefa escalável e eficiente em agentes autônomos com recursos limitados.
O artigo apresenta o Panda, um modelo pré-treinado de previsão para sistemas caóticos que, ao ser treinado exclusivamente em dados sintéticos de equações diferenciais ordinárias, demonstra capacidades emergentes de previsão zero-shot em sistemas não vistos, incluindo equações diferenciais parciais e séries temporais do mundo real, preservando tanto a precisão de curto prazo quanto medidas distribucionais.
Esta pesquisa oferece uma visão abrangente da evolução da privacidade diferencial, desde a IA simbólica até os Grandes Modelos de Linguagem, analisando suas definições fundamentais, métodos de integração em modelos de aprendizado de máquina e técnicas de avaliação prática para garantir sistemas de IA seguros e responsáveis.
O artigo propõe o GOT-JEPA, um framework de pré-treinamento que adapta a arquitetura JEPA para prever modelos de rastreamento em vez de apenas características visuais, combinando-o com o módulo OccuSolver para melhorar a percepção de oclusão e a generalização em ambientes dinâmicos.
Este trabalho demonstra que um algoritmo neuromórfico nativamente baseado em pulsos para resolver equações diferenciais parciais possui tolerância intrínseca a falhas estruturais, mantendo sua precisão mesmo com a perda de até 32% dos neurônios e 90% dos pulsos, além de apresentar robustez ajustável através de hiperparâmetros estruturais.
Este artigo apresenta um framework de aprendizado por reforço informado pela fisiologia que utiliza sinergias musculares para restringir o controle em simulações musculosqueléticas, resultando em uma maior fidelidade biomecânica e generalização na locomoção humana em diversas condições com dados experimentais limitados.
Este artigo propõe um framework híbrido leve para o jogo das Amazonas que integra um Autoencoder de Atenção em Grafos e o GPT-4o-mini para superar limitações de recursos, alcançando desempenho superior ao modelo base e a métodos tradicionais através de filtragem estrutural e dados sintéticos.
Este artigo apresenta um sistema integrado de pele eletrônica (e-skin) baseado em eventos que utiliza uma estratégia de varredura binária dinâmica e uma rede neural de pulsos (SNN) em FPGA para alcançar alta eficiência energética e compressão de dados, mantendo uma precisão de 92,11% no reconhecimento de dígitos manuscritos em tempo real.
O artigo "ForwardFlow" propõe um método de inferência estatística baseado em simulação que utiliza uma rede neural profunda única para resolver o problema inverso de estimação de parâmetros, demonstrando propriedades desejáveis como exatidão em amostras finitas, robustez a contaminação de dados e capacidade de aproximar automaticamente algoritmos complexos como o EM.
O artigo propõe um sistema de IA totalmente automatizado que utiliza uma população de agentes inspirados em papéis de estúdio e críticos de LLM alinhados a preferências reais para gerar vídeos de comédia esboçada de alta qualidade, alcançando desempenho próximo ao de produções profissionais.
O artigo apresenta o TT-SNN, um método inovador que utiliza decomposição Tensor Train e um pipeline de computação paralela para reduzir significativamente o tamanho dos modelos, o custo computacional e o tempo de treinamento de Redes Neurais de Spiking (SNNs) com perda de precisão desprezível.
Este trabalho oferece uma revisão abrangente e uma especificação formal detalhada das Redes de Codificação Preditiva (PCNs), situando-as no contexto dos métodos modernos de aprendizado de máquina e destacando seu potencial como uma estrutura versátil e biologicamente plausível para futuras inovações em IA.
Este artigo propõe uma abordagem bioinspirada no comportamento de colônias de formigas, utilizando um sistema de "feromônios digitais" para classificar em tempo real e prever transições entre estados de controle e fora de controle em linhas de produção industriais, como demonstrado em um estudo de caso sobre fritura de batatas chips.
O artigo demonstra que os Grafos de Codificação Preditiva (PCGs) constituem um conjunto matematicamente superior às redes neurais feedforward, posicionando-os como uma generalização mais ampla dentro do aprendizado de máquina contemporâneo.