3615 artigos
Este artigo propõe uma estrutura baseada em VAE–Transformer que combina representações de matriz de campo de eventos estruturadas com vetores semânticos de estado para gerar casos de teste diversos e de alta qualidade, melhorando significativamente a cobertura e a eficiência no fuzzing de software aeroespacial crítico para a segurança em comparação com métodos convencionais.
O artigo propõe o MCD-DFusion, um novo framework que aumenta a robustez adversarial na análise de sentimento multimodal ao introduzir uma métrica de Grau de Consistência de Modalidade para quantificar o alinhamento semântico intermodal e empregar uma estratégia de fusão dinâmica que se ajusta adaptativamente aos níveis de consistência, suprimindo significativamente ataques adversariais em memes de redes sociais.
O artigo introduz o QSGT, um modelo híbrido de inspiração quântica que combina poda de tokens e mistura de especialistas com termos de regularização clínica para melhorar significativamente a fidelidade ao nível de entidade e a precisão clínica da sumarização de relatórios radiológicos multimodais, superando métodos de estado da arte no conjunto de dados MIMIC-CXR.
Este artigo propõe o HDRA, uma estrutura metaheurística híbrida integrando o Divine Religion Algorithm, a Otimização por Colônia de Formigas e a Busca Memética para resolver eficazmente o Problema de Roteamento de Veículos Elétricos NP-difícil, demonstrando desempenho superior na redução de custos de roteamento e emissões em comparação com algoritmos estabelecidos como SA, GOA e HHO.
Este artigo apresenta o WAFGen, um pipeline de ajuste fino de múltiplos LLMs que gera automaticamente regras de IDS e WAF sintaticamente válidas e de custo eficiente para os principais provedores de nuvem, alcançando alta precisão e reduções significativas nos custos de capacidade do AWS Web ACL em comparação com as bases de referência manuais.
O Q-IDS Bench fornece uma avaliação reprodutível e consciente de recursos de nove configurações de detecção de intrusão inspiradas em computação quântica através de cinco conjuntos de dados, demonstrando que o desempenho do modelo é específico para cada conjunto de dados e que a hibridização por si só não garante resultados superiores, estabelecendo assim um baseline para futuras comparações de aprendizado de máquina quântico genuíno.
Este artigo propõe um framework de aprendizado de máquina adaptativo que integra a Seleção de Características Híbrida de Cinco Critérios com o Ajuste de Limiar e Equilíbrio Adaptativo para abordar eficazmente o desequilíbrio de classes e a redundância de características na predição de doenças hepáticas, alcançando alta revocação e desempenho robusto nos conjuntos de dados ILPD e LDPD.
O AdaKVT-Mem é uma arquitetura de memória auditável e consciente do ciclo de vida para registros conversacionais que emprega um protocolo de mutação de célula com estado para garantir validade, versionamento e proveniência, ao mesmo tempo em que reconhece suas limitações atuais em alcançar o sucesso perfeito de atualização, apesar da alta precisão do ciclo de vida.
Este estudo demonstra que, embora modelos de aprendizado de máquina que dependem exclusivamente de atributos demográficos e comportamentais não consigam superar um baseline de classe majoritária na previsão do sucesso acadêmico do estudante, a incorporação de notas anteriores aumenta significativamente a precisão preditiva, destacando o papel crítico dos dados de desempenho histórico para sistemas de aprendizagem personalizada impulsionados por IA eficazes.
Este artigo propõe o Light3D-NoduleNet, uma rede 3D pura e leve que utiliza convoluções separáveis por profundidade assimétricas e um módulo de interação de características bidirecional para superar efetivamente o desequilíbrio de classes e alcançar detecção e segmentação conjuntas de nódulos pulmonares de alta precisão com baixo custo computacional para implantação em dispositivos de borda.