3782 artigos
Este estudo introduz um framework de Descoberta de Fluxo de Trabalho de Visão Dupla Explicável que analisa dados de registros de 278 estudantes para revelar que a aprendizagem eficaz apoiada por IA Generativa é caracterizada não meramente pela frequência de chat, mas pela integração do feedback da IA na escrita, revisão e regulação de recursos cruzados.
Este artigo propõe o SQCAFusion, um framework de fusão de imagens infravermelhas e visíveis adaptável à iluminação que emprega atenção cruzada de cena-consulta multiescala com tokens de cena aprendíveis para modular dinamicamente as características durante a codificação inicial, resolvendo assim problemas de cegueira de cena e melhorando a qualidade da fusão sob condições de iluminação variáveis.
Este artigo introduz um modelo de custo de linha de cache para endereçamento aberto sem reordenação, demonstrando que, embora o agrupamento assimétrico alcance limites de acesso à memória ótimos de , abordagens simétricas são significativamente piores e esquemas hierárquicos de sondagem ótima permanecem subótimos em relação ao cache devido aos custos inevitáveis de acesso à memória ditados pelo parâmetro .
O WeanNet propõe um método de transferência de aprendizado eficiente em parâmetros que utiliza um ganho escalar decrescente para conectar temporariamente uma rede pai congelada a um novo estudante, permitindo a remoção sem perdas da rede pai e reduzindo o tamanho do modelo, ao mesmo tempo em que demonstra um desempenho competitivo em tarefas de deriva de conceito em comparação com as Redes Neurais Progressivas, embora sua superioridade geral permaneça limitada por dependências específicas de tarefas e configurações.
Este artigo introduz o ResilientNet, um framework de confiabilidade que aumenta a resiliência de Redes Neurais Profundas contra falhas de hardware por meio de quatro estratégias sinérgicas de design e treinamento — ativações limitadas, reordenação de camadas, filtragem de NaN e treinamento de falha baseado em currículo — demonstradas para reduzir significativamente a propagação de erros e manter alta precisão de classificação com overhead de inferência negligenciável através de extensos experimentos de injeção de falhas.
Este artigo propõe um framework MoE-CB, integrando um mecanismo de gating com especialistas híbridos CNN-LSTM/CNN-BiGRU e um regressor CatBoost, para permitir a alocação dinâmica de recursos adaptativa e inteligente em redes 5G com alta precisão de previsão.
Este artigo apresenta um novo esquema de assinatura de verificador designado forte, parcialmente cego e sem emparelhamento, que garante privacidade granular e não transferibilidade com baixo custo computacional, tornando-o altamente adequado para ambientes de borda com recursos limitados, como IoT e redes veiculares.
Este estudo propõe um algoritmo memético aprimorado dentro de uma estrutura fuzzy-CPT para otimizar a escala de médicos de pronto atendimento, minimizando simultaneamente o sofrimento psicológico do paciente e a percepção de fadiga do médico, validado por meio de dados reais de um hospital de Xangai durante a pandemia da COVID-19.
Este artigo apresenta o MSCE, um framework de calibração post-hoc multissinal que melhora significamente a confiabilidade das estimativas de confiança em nível de campo na extração de documentos de negócios ao fundir diversos sinais, como qualidade de OCR e incerteza do modelo, permitindo, assim, taxas de automação mais elevadas com requisitos de precisão rigorosos.
Este artigo apresenta o SENTRY, uma estrutura segura e energeticamente eficiente para ambientes WSN-IoT que integra o blockchain Ethereum para integridade de dados descentralizada com uma abordagem de IA híbrida utilizando Aprendizado de Máquina e Aprendizado Profundo para detectar e mitigar ciberameaças, alcançando métricas de desempenho superiores em comparação com os métodos existentes.