3870 artigos
Este artigo apresenta o XGNN-ID, um framework de Redes Neurais de Grafos explicável que integra um novo Ensemble de Pesagem de Validação Seletiva com Portão de Importância de Nó (SVW-NG) para abordar eficazmente o desequilíbrio de classes e aumentar a interpretabilidade do modelo em vários conjuntos de dados de grafos.
Este estudo propõe uma estrutura unificada, baseada em PLN, para a Gestão de Recursos Humanos que integra recrutamento, análise de sentimento e ferramentas de comunicação para aumentar a eficiência e a tomada de decisão, ao mesmo tempo em que reconhece desafios significativos relacionados à privacidade de dados, viés algorítmico e escalabilidade do sistema.
Este artigo propõe um novo framework de aprendizado profundo multimodal que integra dados de EEG, fisiológicos vestíveis e comportamentais por meio de um sistema de atenção cross-modal e personalização adaptativa para alcançar uma previsão de crises epilépticas precoce e altamente precisa com redução de alarmes falsos.
Este artigo propõe uma estrutura híbrida MCN-MVT que combina Redes de Cápsula e Vision Transformers para alcançar a detecção precoce de alta precisão e interpretável da doença de Alzheimer, validada por métricas de desempenho superiores e explicações baseadas em LIME em dados de RM.
O artigo apresenta o STDN-GEN, um sistema automatizado que utiliza agentes de modelos de linguagem de grande escala e um vocabulário curado para sintetizar rapidamente redes de cadeia de suprimentos de materiais críticos de quatro níveis auditáveis, melhorando significativamente a reprodutibilidade e a eficiência em comparação com o mapeamento manual, ao mesmo tempo em que alcança alta precisão na identificação de componentes e dependências de produção.
O XTrust-Chain é um framework de detecção de intrusão de múltiplas camadas que combina classificadores de conjunto com uma métrica de confiança calibrada e uma trilha de auditoria criptograficamente segura para permitir a tomada de decisão automatizada de alta confiança, garantindo simultaneamente a verificação imutável de alertas através de múltiplos conjuntos de dados de referência.
Este artigo apresenta a Otimização Guiada por Fechamento (CGO), um framework de tratamento de restrições que utiliza a Complexidade de Fechamento de Viabilidade (FCC) para minimizar os custos de reparo estrutural, demonstrando sua eficácia em cenários onde os rankings de violação divergem da dificuldade real de reparo, ao mesmo tempo em que reconhece que não é uma vantagem universal sobre os métodos existentes.
Este artigo propõe o FOIN, uma nova arquitetura de inteligência federada multi-organoide que aproveita a modelagem de grafos combinatórios, a computação neuromórfica e o blockchain para permitir o aprendizado colaborativo seguro, energeticamente eficiente e preservador de privacidade entre organoides cerebrais distribuídos, alcançando alta precisão ao mesmo tempo em que reduz significativamente os custos computacionais em comparação com sistemas centralizados tradicionais.
O artigo propõe o Cross-Modality Enhanced Distillation (C-MED), um framework que transfere conhecimento multimodal de EEG-facial para um modelo estudante apenas de EEG implantável via alinhamento contrastivo e interação bilinear, alcançando o reconhecimento de emoções robusto e independente de sujeito nos benchmarks SEED-VII e DEAP sem exigir dados faciais sincronizados na inferência.
Este artigo propõe o EM-S3WD, um framework de ensemble dinâmico que integra conjuntos aproximados de vizinhança com decisões sequenciais de três vias e uma estratégia de integração dinâmica condicional para superar as limitações de tuplas de referência fixas e restrições binárias no modelo original de Xu et al., alcançando, assim, um desempenho de classificação multiclasse adaptativo e competitivo.