3855 artigos
Este artigo apresenta um framework de detecção de phishing multimodal, robusto e semanticamente consciente, que funde características de URL, texto e visuais com confiança calibrada e treinamento adversarial para superar significativamente os baselines unimodais, mantendo alta precisão e confiabilidade sob ataques enganosos.
Este artigo apresenta um estudo de caso baseado em artefato do AgentGuard AI v2.4.0, um protótipo de pesquisa que operacionaliza mecanismos de detecção e controle de risco em tempo de execução para agentes de IA, ao mesmo tempo em que destaca sua utilidade como um instrumento de governança inspecionável e identifica defeitos de reprodutibilidade específicos que impedem alegações de eficácia em produção.
Este artigo apresenta uma arquitetura de hardware autoorganizável de inspiração cerebral que utiliza mecanismos eletroquímicos para permitir o aprendizado e a memória in-materia através da coevolução da dinâmica estrutural e da conectividade funcional, alcançando assim inteligência incorporada por meio de redes memristivas dendríticas adaptativas.
Este artigo apresenta um framework para o reconhecimento de escrita imaginada baseado em EEG que combina um codificador neural cross-subject congelado com um classificador leve específico para o alvo e um decodificador trie consciente de confiança para alcançar personalização rápida, alta precisão de reconstrução de palavras e desempenho de baixa latência e eficiente em termos de energia em dispositivos de borda.
Esta avaliação reprodutível em múltiplos conjuntos de dados demonstra que o mascaramento adaptativo de grupos de características não supera significativamente políticas de corrupção mais simples e não adaptativas na melhoria da robustez contra o deslocamento de conjuntos de características, sugerindo que controles correspondentes e inferência ao nível do conjunto de dados são mais críticos do que mecanismos de adaptação complexos para esta tarefa.
Este artigo propõe uma estrutura de ciclo fechado e orientada por dados que integra mineração de processos, análise de redes complexas, aprendizado de máquina explicável e simulação de gêmeo digital para automatizar o Mapeamento do Fluxo de Valor e otimizar quantitativamente projetos de Estado Futuro, demonstrando reduções significativas no tempo de ciclo, no trabalho em processo e em defeitos em cenários de manufatura do mundo real.
Este artigo propõe um framework robusto para a descoberta de equações governantes de sistemas dinâmicos de ordem fracionária a partir de dados ruidosos, integrando uma Deep Operator Network (DeepONet) para a estimativa precisa da derivada fracionária com o Sparse Identification of Nonlinear Dynamics (SINDy) de conjunto para regressão esparsa, demonstrando precisão e generalização superiores em comparação com métodos clássicos de diferença finita e redes neurais padrão.
Este estudo demonstra que o uso de um pequeno orçamento de validação para selecionar uma representação de texto compacta (especificamente uma combinação de TF-IDF e SVD) para tarefas de recomendação de e-commerce pode reduzir os custos computacionais em até 90%, mantendo o desempenho de teste comparável à seleção de orçamento total, desde que o conjunto de candidatos seja apropriadamente restringido.
Este estudo demonstra que a aplicação de requisitos explícitos de admissão de evidências em respostas a perguntas clínicas altera significativamente as classificações de rotas e as métricas de latência, ao mesmo tempo que reduz os erros de validade de evidências materiais, destacando a necessidade de regras de admissão padronizadas em benchmarks de latência clínica.
Este artigo propõe uma estrutura de duas camadas apresentando o reclassificação de evidências candidatas (CAPE) e a seleção de respostas consciente de risco (CTA/EBC) para otimizar a alocação de evidências e a escolha de respostas em geração aumentada por recuperação de múltiplos saltos, melhorando significativamente os escores de recall e F1 em relação aos baselines existentes como SAG, RRF e votação majoritária.