929 artigos
Este artigo introduz um descritor Heisenberg-lift leve e sensível à ordem, apresentando uma área assinada terminal e uma extensão de quinze dimensões, que melhora significativamente a precisão do reconhecimento de escrita à mão online ao capturar informações de direção de travessia de traço que os descritores euclidianos tradicionais perdem.
Este estudo avalia a confiabilidade dos métodos de explicação LIME, Parzen e Greedy em modelos de classificação de textos e imagens religiosas, constatando que o LIME supera consistentemente os demais na identificação de características não confiáveis dentro das restrições específicas do conjunto de dados de texto binário e do escopo limitado de imagens.
Este artigo introduz um esquema de subdivisão interpolatório adaptativo que aprende ângulos de inserção locais por meio de um preditor compacto por aresta para superar as linhas de base de tensão fixa em precisão e suavidade através de geometrias euclidianas, esféricas e hiperbólicas, preservando a garantia de que as curvas refinadas passam pelos pontos de controle originais.
Este artigo apresenta o X-WAF, um framework de aprendizado de máquina híbrido que combina um conjunto de classificadores com explicabilidade baseada em SHAP para alcançar detecção de ataques web de dia zero com alta precisão e baixa latência, enquanto traduz automaticamente insights em regras de ModSecurity acionáveis para uma integração contínua em infraestruturas de segurança existentes.
Este artigo apresenta o StrokeID-NER, um conjunto de dados indonésio publicamente disponível de 1.742 consultas de saúde geradas por pacientes e anotadas para entidades nomeadas relacionadas ao AVC, o qual foi utilizado para demonstrar que modelos transformer ajustados superam significativamente os baselines zero-shot no reconhecimento de terminologias médicas informais e regionais, ao mesmo tempo em que destaca que os ganhos de desempenho futuros dependem primordialmente da expansão da cobertura lexical, em vez da arquitetura do modelo.
Este estudo introduz uma estrutura de IA Agêntica escalável e fundamentada em teoria que avalia rigorosamente a credibilidade das alegações corporativas de ODS frente a uma rubrica de cinco dimensões, revelando que, embora a maioria das divulgações seja parcialmente substantiva, as empresas frequentemente subestimam seu engajamento real de sustentabilidade.
Este estudo propõe um framework Mask R-CNN aprimorado, potencializado por equalização de histograma e pelo otimizador Adam para alcançar um mAP de 90,4% na detecção de buracos em estradas e segmentação de instâncias, superando significativamente o modelo base para monitoramento inteligente de estradas.
Este artigo demonstra que modelos probabilísticos de difusão de denoising (DDPMs) condicionais por classe mitigam efetivamente o desequilíbrio severo de classes na manutenção preditiva ao sintetizar amostras de alta fidelidade da classe minoritária, superando significamente métodos tradicionais de aumento de dados, como SMOTE e GANs, na detecção de falhas industriais raras.
Este artigo apresenta o Causal Retrieval-Augmented Generation (CR-RAG), um framework que modela o pipeline de RAG como um Modelo Causal Estrutural para mitigar correlações espúrias e reduzir alucinações por meio de ajuste de backdoor, reponderação de propensão inversa e aumento de dados contrafatuais, alcançando ganhos de desempenho significativos em benchmarks intensivos em conhecimento, particularmente para questões de cauda longa.
Este artigo propõe um novo framework de difusão para restauração de imagens que emprega a modelagem interativa de determinismo e estocasticidade para se adaptar efetivamente aos requisitos heterogêneos de diversas tarefas de degradação, alcançando desempenho e interpretabilidade superiores em múltiplos cenários de restauração.