3899 artigos
Este estudo introduz a Multi-Scale Efficient Attention Convolutional Network (MSEACN), um modelo de aprendizado profundo baseado em EfficientNetB7 e mecanismos de atenção dupla que alcança o estado da arte com 97,69% de acurácia e uma pontuação de Cohen's Kappa de 0,98 para a graduação de Gleason automatizada do câncer de próstata usando o conjunto de dados PANDA.
Este artigo propõe a Rede Neural Informada pela Física com Duplo Portão de Fourier (FDG-PINN), que integra codificação de características de Fourier multiescala, uma arquitetura de Duplo Portão e ponderação de perda adaptativa para superar o viés espectral e o desequilíbrio de gradiente, alcançando, assim, precisão superior na resolução de equações diferenciais parciais multiescala e na reconstrução de campos de temperatura espaço-temporais complexos.
Este artigo propõe um sistema especialista de domínio específico que utiliza o processamento de linguagem natural para gerar automaticamente código-fonte executável a partir de requisitos do usuário, demonstrando que restringir o escopo da aplicação aumenta significativamente a precisão e a confiabilidade dos programas gerados.
Este artigo propõe uma estrutura de patologia digital automatizada utilizando um novo modelo de Rede Neural Convolucional com Estiramento de Contraste (CSCNN) e técnicas avançadas de pré-processamento de imagem para classificar e graduar com precisão tecidos de tumores de língua, alcançando uma taxa de acurácia de 98% que supera os modelos de aprendizado por transferência de última geração existentes.
Este estudo propõe um framework de aprendizado por transferência guiado por atenção que integra um mecanismo híbrido de atenção de canal-espacial com a arquitetura EfficientNet-B2 para alcançar alta precisão, robustez e interpretabilidade no diagnóstico histopatológico automatizado de carcinoma basocelular.
Este artigo propõe a "auditoria epistêmica dialógica", uma estrutura qualitativa para rastrear como os grandes modelos de linguagem mantêm ou alteram seus compromissos inferenciais ao longo de turnos conversacionais, demonstrando, por meio de uma série de casos, que os modelos frequentemente exibem consistência assimétrica ao preservar narrativas não atestadas enquanto retraem reivindicações fatuais.
Este estudo analisa 3.837 citações de software no Zenodo para demonstrar que, embora a maioria dos arquivos arquivados permaneça acessível mesmo quando seus repositórios de código-fonte tornam-se inacessíveis, uma parte significativa das citações quebradas decorre de ponteiros de repositório mortos em vez de perda de software, destacando uma distinção crítica entre a disponibilidade do repositório e a integridade do depósito.
Este artigo introduz as Transformações de Redes de Tensores Iterativas (ITNTs), uma nova estrutura que permite a avaliação eficiente, elemento a elemento, de funções não lineares diretamente em dados de tensor train comprimidos, superando assim limitações anteriores na aplicação de redes de tensores a tarefas gerais de ciência de dados e otimização de larga escala.
Este artigo avalia disciplinas de gestão de estado para assinaturas baseadas em hash com estado (XMSS e LMS) sob falhas operacionais, demonstrando que apenas estratégias de reivindicação transacional evitam a reutilização catastrófica de chaves, ao mesmo tempo em que revela que a proteção contra rollback de snapshot requer âncoras monotônicas externas e que o arrendamento em lote oferece a única solução segura e de baixa latência para LMS, apesar das penalidades significativas de desempenho em bibliotecas de software não corrigidas.
Este artigo propõe uma estrutura de prognóstico algébrica e livre de treinamento, utilizando códigos fr e grupos finitamente apresentáveis para rastrear a degradação de motores turbofan ao quantizar dados de sensores em estados discretos e monitorar quedas na dimensão de uma álgebra de fatores truncada como um indicador determinístico para a previsão da vida útil restante.