3615 artigos
O RAVEN é um framework post-hoc que aumenta a validação de confiabilidade sob mudanças de distribuição de dados ao demonstrar que a instabilidade de representação em múltiplos níveis fornece sinais preditivos complementares para a detecção de falhas além dos escores de confiança convencionais.
Este artigo apresenta o desenvolvimento e a validação do StoneClear, um sistema de visão computacional impulsionado por IA que alcança alta precisão na detecção e segmentação ao nível de pixel de fragmentos de cálculos residuais durante a ureteroscopia assistida por CVAC 2.0, estabelecendo assim uma base robusta para a avaliação intraoperatória em tempo real da limpeza de cálculos.
Este artigo introduz um modelo de escalonamento em duas etapas em MiniZinc que revela a vasta redução no espaço de busca proveniente de restrições estruturais, demonstra que o tempo de resolução escala de forma subexponencial com o tamanho da instância e audita horários reais de campus para mostrar que as reservas duplas de salas decorrem primordialmente de alocação ineficiente, e não de escassez, fornecendo, assim, uma estrutura baseada em dados para identificar quais restrições rígidas devem ser flexibilizadas.
Este artigo apresenta uma implementação em CuPy de arquivo único e instalável via pip que possibilita a redução de ruído por Médias Não Locais 3D acelerada por GPU sem exigir um CUDA Toolkit ou compilador C++, alcançando mais de 100× de aceleração em comparação com a referência baseada em CPU do scikit-image, enquanto mantém a precisão do resultado e a usabilidade interativa.
Este artigo propõe uma rede de detecção de objetos visível-infravermelho de fluxo duplo que integra modelagem de características baseada em wavelet, um módulo OffsetNet para alinhamento espacial e um módulo SwinFusion para fusão de características multimodais para abordar eficazmente o desalinhamento espacial e as discrepâncias de modalidade, melhorando assim a precisão da detecção.
Este artigo investiga quando a compactação de contexto beneficia agentes de longo horizonte, descobrindo que, embora possa reduzir custos ao evitar leituras caras de cache, ela frequentemente aumenta as despesas totais e a latência devido ao overhead de gerar resumos e acionar requisições adicionais, tornando-se vantajosa apenas quando trabalho futuro suficiente resta para compensar esses custos e quando os preços de leitura de cache são excepcionalmente altos.
Este artigo propõe uma arquitetura de tradução hierárquica no lado do cliente para visualizadores de Resumo de Paciente Internacional (IPS) que preserva a integridade semântica ao aproveitar os dados estruturados do FHIR para priorizar fontes de tradução de alta qualidade — variando de internacionalização estática e servidores de terminologia até tradução automática — enquanto gerencia de forma transparente as falhas de contingência e os desafios de proteção de dados em ecossistemas de eHealth transfronteiriços.
Este artigo propõe o CTLGNN, um novo framework que aborda a deriva de interesse do usuário em recomendação de notícias ao modelar interações como nós-arestas dentro de um grafo linear temporal contínuo e utilizar uma rede de autoatenção dinâmica para capturar tanto preferências de longo prazo quanto mudanças comportamentais de curto prazo, superando, assim, os modelos de linha de base existentes.
Este artigo apresenta o Planejamento de Tarefas Genético com Sensibilidade a Restrições (CGTP), um algoritmo evolucionário que garante sequências de tarefas com precedência viável e possibilita um replanejamento parcial robusto e consciente do estado para montagem robótica modular sob distúrbios de execução, trocando um custo de desempenho estático menor por uma confiabilidade e recuperabilidade estrutural superiores.
Este artigo apresenta um protótipo para um assistente local preservador de privacidade que integra um Modelo de Linguagem Pequeno local com salvaguardas de entrada e saída para bloquear comandos maliciosos e mascarar dados sensíveis, demonstrando a viabilidade de um pipeline leve ao mesmo tempo em que destaca lacunas de detecção atuais e a necessidade de uma avaliação mais rigorosa.