3890 artigos
Este estudo propõe um modelo de aprendizado profundo híbrido CNN-LSTM treinado em um conjunto de dados personalizado combinando benchmarks globais e tráfego SDN simulado via NS-3 para alcançar 97,8% de precisão na detecção de ataques cibernéticos contra a infraestrutura de governo eletrônico do Sudão, oferecendo uma solução escalável para aumentar a cibersegurança nacional.
Este estudo apresenta uma estrutura de aprendizado de máquina explicável utilizando um modelo XGBoost para prever a duração de construção em estágio inicial com base em informações limitadas do projeto, demonstrando que, embora o modelo alcance um forte desempenho preditivo com o custo do projeto como o principal impulsionador, seus resultados requerem uma interpretação cuidadosa devido à sensibilidade à partição dos dados.
Este artigo introduz o Photonic Quantum-Enhanced Knowledge Distillation (PQKD), um framework híbrido que aproveita a estocasticidade intrínseca de processadores quânticos fotônicos para gerar sinais de condicionamento para uma rede estudante eficiente em parâmetros, alcançando precisão competitiva sob compressão agressiva em benchmarks padrão enquanto utiliza o escalonamento de ruído de disparo e o suavizamento de características para gerenciar limitações de amostragem finita.
Este artigo propõe um método de seleção certificado para contagens de janelas de partição ARINC-653 que identifica a granularidade de suprimento quase ideal com custo computacional significativamente reduzido em comparação com a busca exaustiva, aproveitando a observação de que muitas contagens de janelas resultam em valores de desempenho quase idênticos.
Este artigo propõe o framework PACPT-LB, uma abordagem de aprendizado de máquina híbrido que prevê proativamente falhas de handover, falhas de link de rádio e eventos ping-pong em redes 5G mmWave ao alavancar um conjunto de dados simulados de larga escala e combinações de modelos otimizadas para alcançar precisão superior através de diversas condições de mobilidade.
Este estudo apresenta e valida um sistema de triagem assistido por IA sensível ao contexto que melhora significativamente a eficiência e a precisão da detecção de duplicação de imagens em publicações biomédicas ao integrar a similaridade visual com a adjudicação de risco contextual para reduzir falsos positivos, mantendo uma alta sensibilidade.
Este artigo propõe um método de Consenso de Textura com Consciência de Visibilidade com restrições estruturais locais para melhorar a reconstrução de Gaussian Splatting 3D em cenas com degradação de textura, demonstrando ganhos de robustez estatisticamente significativos sob protocolos controlados ao mesmo tempo em que reconhece limitações no desempenho do estado da arte em cenários do mundo real.
Este artigo apresenta o BEACON, um agente móvel multilíngue de código aberto que integra dados de perímetro de incêndio em tempo real, pontuação de risco baseada no clima e roteamento de evasão de polígonos para fornecer orientação de evacuação de incêndios florestais personalizada e adaptável ao idioma para comunidades com proficiência limitada em inglês.
Este artigo apresenta uma avaliação acadêmica comparativa do Veeam Backup & Replication e do Cohesity DataProtect, demonstrando que, embora ambas as plataformas ofereçam abordagens distintas para imutabilidade e detecção de ransomware em ambientes VMware, elas são mais eficazes quando integradas em uma estratégia abrangente de defesa em profundidade.
Este estudo demonstra que a aplicação de uma abordagem de reponderação por frequência inversa ao MARBERT supera significativamente os modelos de linha de base na classificação de funções pragmáticas de emojis sub-representados no discurso digital árabe, abordando efetivamente o desequilíbrio severo de rótulos para avançar a pragmática computacional no PLN árabe.