1062 artigos
O artigo apresenta a Cascade Progressive Distilled Network (CPDN), uma nova estrutura de aprendizado profundo que aproveita a destilação de conhecimento de um professor CatBoost para superar problemas de estagnação de otimização e não diferenciabilidade, alcançando o estado da arte em desempenho de classificação em dados tabulares heterogêneos.
Este artigo demonstra que uma abordagem de treinamento centralizado com execução descentralizada (CTDE) utilizando QMIX supera significativamente o aprendizado Q independente (IQL) e as linhas de base não-RL na coordenação do carregamento de veículos elétricos em cidades inteligentes, alcançando taxas de aceitação e probabilidades de sucesso mais elevadas, enquanto gerencia efetivamente a observabilidade parcial e a dinâmica do tráfego.
Esta revisão sistemática de 445 estudos recentes (2024–2026) identifica os híbridos CNN-Mamba como a arquitetura mais eficiente para imagem médica devido à sua complexidade computacional linear, ao mesmo tempo em que destaca desafios críticos, como a perda de informação espacial e o consumo de memória, que devem ser abordados por meio de blocos 3D nativos para permitir a integração clínica.
Este artigo propõe e avalia um framework híbrido de detecção de intrusão que combina aprendizado supervisionado (Random Forest e XGBoost) com um modelo de detecção de anomalias baseado em LSTM Autoencoder em conjuntos de dados alinhados de IoT e nuvem, demonstrando que, embora esta abordagem melhore significativamente a robustez de detecção e o recall para ataques não vistos, ela exige uma compensação com o aumento de falsos positivos e a redução da precisão.
Este artigo propõe o YOLOv10n-FBD, um modelo leve de detecção de maturação de tomate cereja que integra a fusão de características CCFM, a atenção PSA-BiFormer e uma estratégia C2f-Dual para alcançar alta precisão (94,3% mAP) e velocidade (369 FPS), reduzindo significativamente o tamanho do modelo e a complexidade computacional em comparação com os métodos existentes.
Este estudo propõe um sistema de reconhecimento de fala baseado em LSTM para a língua assamesa de baixos recursos, utilizando um conjunto de dados autocurado e características acústicas híbridas para alcançar 95% de precisão, ao mesmo tempo em que destaca os desafios impostos pelas semelhanças fonéticas entre as vogais.
Este artigo propõe um algoritmo baseado em contexto visual e campo receptivo espacial que integra modelagem de espaço de estados residual, vetores de orientação e atenção deformável multiescala para restaurar eficazmente murais de Dunhuang ao abordar o esquecimento de pixels locais e a percepção espacial insuficiente, melhorando significativamente as métricas de qualidade de restauração.
Este artigo propõe uma estrutura de Rede Neural Cruzada Profunda (DCNN) que alcança 98,4% de precisão na detecção de Hardware Trojans furtivos em circuitos VLSI baseados em FPGA, extraindo e correlacionando características estruturais e funcionais, oferecendo uma solução confiável que reduz a dependência de modelos de referência dourados.
Esta revisão sistemática de 104 estudos revela que a pesquisa em acessibilidade digital é dominada por ferramentas automatizadas e concentrada nos setores de educação e governo, criando um "hiato de avaliação-ação" onde a conveniência metodológica e o viés setorial deslocaram as abordagens centradas no usuário e falharam em resolver barreiras de acessibilidade persistentes ao longo da última década.
O artigo apresenta o OntoLearner, um framework modular de código aberto que unifica o acesso a ontologias, pipelines de aprendizagem impulsionados por LLMs e benchmarking padronizado em 22 domínios, revelando que o principal gargalo na aprendizagem de ontologias é um descompasso estrutural entre a codificação do conhecimento do modelo e a organização ontológica, em vez da capacidade do modelo.