5138 artigos
Este artigo apresenta uma técnica baseada em aprendizado por transferência e Redes Neurais Gêmeas que, ao analisar características estatísticas de fluxos de pacotes convertidos em imagens, identifica com alta precisão mudanças de versão de firmware em dispositivos IoT, superando a escassez de dados de treinamento.
Este estudo de caso analisa o impacto do assistente de IA da plataforma CGScholar no desenvolvimento da escrita de alunos do 11º ano em uma escola de baixa renda, concluindo que o feedback personalizado gerado por IA apoiou significativamente o progresso dos estudantes e coletou sugestões para o aprimoramento da ferramenta.
Este artigo apresenta a primeira abordagem sistemática de análise de taint estática e dinâmica para APIs de grafos focada em controle de acesso quebrado, utilizando regras de transformação de grafos e Análise de Pares Críticos para identificar fluxos de informação não autorizados e validar riscos no GitHub GraphQL.
Este artigo propõe um modelo de difusão agnóstico ao problema, baseado na estimativa de um termo guiado de máxima a posteriori (MAP), que aproveita modelos pré-treinados incondicionais para resolver problemas inversos em processamento de imagens, demonstrando superioridade na preservação de estruturas e coerência em comparação com métodos existentes.
O artigo apresenta o VL-Nav, um sistema de navegação visão-linguagem neuro-simbólico que combina raciocínio neural com orientação simbólica para decompor tarefas complexas e otimizar a exploração, alcançando altas taxas de sucesso em ambientes internos, externos e em testes do mundo real.
Este artigo propõe uma taxonomia e um quadro analítico para examinar sistematicamente os argumentos de "segurança versus interoperabilidade" levantados por grandes empresas de tecnologia no contexto das investigações antitruste da UE, oferecendo ferramentas para avaliar criticamente essas alegações em diversos casos práticos.
O artigo apresenta o Prompt-SID, um framework de aprendizado auto-supervisionado para remoção de ruído em imagens únicas que utiliza um processo de difusão latente para gerar prompts de representação estrutural e um mecanismo de replay de escala, preservando assim detalhes estruturais e superando as limitações de métodos anteriores que dependem de pares de dados pareados ou causam perda de informação.
Este artigo apresenta uma revisão abrangente de 232 estudos sobre IA Generativa Responsável, propondo uma estrutura unificada de avaliação e governança que identifica lacunas críticas em benchmarks atuais e define uma agenda de pesquisa para garantir a segurança e a sustentabilidade da IA em diversos setores.
Este estudo propõe um algoritmo que funde imagens de ressonância magnética multimodais (T1, T2, T1ce e FLAIR) segmentadas por redes U-Net em 2D e 3D e classificadas por um modelo ResNet50, alcançando uma precisão de 99,25% na subclasse de gliomas e superando técnicas existentes.
Este artigo propõe uma abordagem de aprendizado profundo baseada nas arquiteturas UNET, Inception e ResNet para realizar a segmentação automática e precisa de gliomas em imagens de ressonância magnética 2D e 3D, alcançando alto desempenho e equilibrando eficiência computacional com acurácia espacial para auxiliar no diagnóstico clínico.
Este artigo apresenta o protocolo DEBT control, que utiliza preços dinâmicos e controle de fluxo para otimizar o roteamento em redes de canais de pagamento, garantindo a convergência para um estado operacional ideal diante de demandas estáveis.
Este artigo apresenta a Política Estabilizadora de Difusão (DSP), um quadro de aprendizado baseado em difusão que permite treinar robôs cirúrgicos utilizando trajetórias imperfeitas ou falhas, demonstrando superioridade e robustez em ambientes cirúrgicos perturbados.
Este artigo propõe um novo quadro de planejamento e atuação paralelizado para sistemas multiagente baseados em LLM, utilizando uma arquitetura de dupla thread com execução interrompível para superar as limitações de latência dos paradigmas serializados e melhorar a resposta em tempo real em ambientes dinâmicos como o Minecraft.
Este artigo propõe um modelo de aprendizado profundo geométrico baseado em transformadores, que utiliza uma nova esquematização de tokenização em malhas tetraédricas com marcos anatômicos para melhorar o diagnóstico da doença de Alzheimer e prever a positividade da amiloide cerebral em indivíduos de risco médio, oferecendo uma alternativa precisa e não invasiva aos exames PET.
O artigo apresenta o ViLAM, um método inovador que distila o raciocínio de modelos visão-linguagem em mapas de atenção espacial para guiar a navegação de robôs sociais, resultando em melhorias significativas na taxa de sucesso em comparação com métodos existentes.
O artigo apresenta o Snapmoji, um sistema que gera instantaneamente avatares 3D animáveis e personalizáveis em dispositivos móveis, utilizando uma técnica de adaptação de domínio gaussiano para mapear selfies a um estilo principal e aplicar um estilo secundário, preservando a identidade do usuário e superando as limitações de plataformas existentes.
O artigo apresenta o iProg, uma ferramenta de Programação Indutiva Estruturada Interativa que utiliza um protocolo de comunicação bidirecional para colaborar com especialistas humanos e modelos de linguagem na decomposição de tarefas de análise de dados em diagramas de fluxo e geração de código, demonstrando superioridade em desempenho, qualidade e velocidade de desenvolvimento em comparação com alternativas Low Code/No Code em colaborações científicas.
O artigo apresenta o SceneEval, um novo framework de avaliação e o conjunto de dados SceneEval-500, projetados para superar as limitações das métricas atuais ao medir de forma abrangente e interpretável tanto os requisitos explícitos quanto as expectativas implícitas de coerência semântica na síntese de cenas 3D internas condicionadas a texto.
Este artigo propõe uma abordagem de Aprendizado Compatível com o Passado (BCL) que relaxa as restrições de alinhamento estritas ao introduzir perturbações nos protótipos de características antigas, preservando assim a capacidade discriminativa do novo modelo sem a necessidade de um processo computacionalmente custoso de recálculo de embeddings.
Este artigo propõe uma arquitetura de repetidores de distribuição quântica de chaves (QKD) baseada em zero trust e criptografia homomórfica totalmente, que permite a re-criptografia intermediária sem expor chaves em texto claro, eliminando a necessidade de nós de confiança e aumentando a escalabilidade e segurança das redes QKD.