3750 artigos
Este artigo apresenta um modelo de aprendizado de máquina que utiliza aprendizado profundo em fotografias de perfil para gerar medições cefalométricas com precisão, oferecendo uma alternativa mais segura, econômica e livre de radiação à análise radiográfica tradicional para pacientes ortodônticos.
Este artigo propõe a Banzhaf Distillation Network (BDNet) para Recuperação Contínua de Imagem-Texto, que aborda desafios como desalinhamento semântico e aliasing de conhecimento ao modelar interações de tokens de alta ordem por meio da valoração de Banzhaf sob uma perspectiva de jogo coalicional para preservar o conhecimento estrutural cross-modal através de sessões incrementais.
Este estudo propõe um framework de fusão multimodal que integra características faciais, comportamentais e textuais para detectar o engajamento dos alunos, demonstrando que uma estratégia de fusão tardia alcança alta precisão (0,864) e supera modelos de modalidade única na classificação dos níveis de engajamento.
Este artigo propõe o Label Adaptive Gating (LAG), um novo mecanismo de fusão que aprende a importância distinta de cada modalidade para cada rótulo clínico por meio de atenção cruzada, superando as bases de fusão de saída única existentes em múltiplos conjuntos de dados clínicos multirrótulos, ao mesmo tempo em que fornece atribuições de modalidade clinicamente sensíveis.
Este artigo propõe um esquema de criptografia de imagens coloridas seguro para aplicações médicas que unifica a geração de sequências caóticas e os parâmetros de reconstrução de fluxo de chave dentro de uma estrutura de Otimização de Crescimento de Rizoma de Plantas melhorada para aumentar a adaptabilidade, a robustez estatística e a sensibilidade às variações do texto simples.
Este artigo apresenta o Algoritmo do Efeito Marangoni (MEA), uma nova metaheurística inspirada na física que mimetiza o fluxo impulsionado pela tensão superficial para equilibrar eficazmente a exploração e a explotação, demonstrando velocidade de convergência, precisão e robustez superiores em comparação com algoritmos estabelecidos em 23 funções de benchmark.
Este artigo propõe o UDVSPecls, um esquema de assinatura de verificador designado universal sem custódia de chaves e resistente a custódia, que permite a verificação segura, não transferível e preservadora de privacidade de evidências de vulnerabilidade através de infraestruturas de nuvem de energia digital, ao mesmo tempo em que elimina o problema de custódia de chaves inerente aos sistemas tradicionais baseados em identidade.
Este artigo propõe um framework colaborativo guiado por profundidade de especialistas que aprimora a reconstrução 3D de Gaussianos endoscópicos monoculares ao fundir previsões de profundidade de múltiplos modelos para uma inicialização robusta e empregar regularização de pirâmide de tri-domínio para otimização refinada, alcançando fidelidade de renderização e preservação de detalhes de estado da arte em conjuntos de dados cirúrgicos.
Este artigo apresenta o AdaptiveCache, uma tabela de dispersão autoajustável que alterna dinamicamente entre SwissTable, Robin Hood hashing e uma nova estrutura GraveyardTable com base em padrões de carga de trabalho em tempo real, alcançando até 89,7% de eficiência em relação a um baseline oracle ao utilizar políticas de decisão orientadas por aprendizado de máquina para minimizar custos de migração e se adaptar a razões dinâmicas de leitura-escrita-deleção.
Este artigo introduz um framework de avaliação consciente de equivalência usando controles de grafos ponderados pareados para demonstrar que modelos de aprendizado de máquina hipergráficos frequentemente falham em fornecer benefícios preditivos sobre seus equivalentes de grafos na modelagem de sinais científicos, estabelecendo assim um princípio de validação de que alegações de ordem superior devem ser testadas contra controles de pares em vez de inferidas apenas a partir da representação.