6664 artigos
Os autores propõem um método híbrido direto-iterativo que substitui a fatoração LDL^T com pivoteamento por uma estratégia baseada em fatoração de Cholesky e solução do complemento de Schur, permitindo a resolução eficiente de sistemas lineares KKT em GPUs ao reduzir custos de comunicação e reutilizar a fatorização simbólica.
Este artigo propõe o algoritmo OA-Bug, que utiliza sinais olfativos e auditivos para permitir que enxames de robôs autônomos explorem ambientes negados com alta eficiência de cobertura (96,93%), superando métodos anteriores tanto em simulação quanto em experimentos com robôs reais.
Este artigo estabelece limites quase ótimos para a complexidade de amostragem na verificação das propriedades de clique e -colorabilidade em grafos densos, demonstrando que o método de contagem de grafos é uma ferramenta poderosa para analisar algoritmos de teste de propriedades.
Este artigo propõe um modelo de detecção de objetos RGB-D em tempo real que utiliza uma hiper-invólucro baseada em funções de base radial (RBF) ponderadas dinamicamente e uma camada de fusão treinável para superar as limitações na extração simultânea de características fotométricas e de profundidade, alcançando o melhor desempenho entre os métodos existentes no conjunto de dados NYU Depth V2.
O artigo apresenta o TT-SNN, um método inovador que utiliza decomposição Tensor Train e um pipeline de computação paralela para reduzir significativamente o tamanho dos modelos, o custo computacional e o tempo de treinamento de Redes Neurais de Spiking (SNNs) com perda de precisão desprezível.
Este artigo demonstra que, apesar de sua excelência em tarefas de geração, os Grandes Modelos de Linguagem (LLMs) apresentam desempenho significativamente inferior e, por vezes, não confiável em tarefas de avaliação, revelando uma lacuna crítica entre a capacidade de gerar e a de avaliar corretamente.
Este estudo aplica o método de amostragem de ortogonalidade (OSM) com fontes únicas e múltiplas para a identificação rápida de pequenos objetos em problemas de espalhamento inverso com abertura limitada, demonstrando teoricamente e validando experimentalmente que, embora a versão com fonte única seja influenciada pela posição da fonte e frequência, o OSM com múltiplas fontes permite uma identificação única e mais robusta dos objetos.
Este artigo investiga o agendamento online de tempos ocupados em máquinas heterogêneas, propondo um algoritmo 8-competitivo para tarefas de comprimento unitário e estabelecendo um limite inferior de 2 para a razão competitiva, preenchendo uma lacuna teórica crucial para modelos de computação em nuvem.
Os autores apresentam um algoritmo FPT que estende o teorema de Gallai-Milgram, decidindo em tempo polinomial se um grafo pode ser coberto por menos caminhos do que o número de independência, e fornecendo um certificado de independência caso contrário, além de resolver o problema de Hamiltonicidade para grafos com número de independência limitado.
Este estudo de métodos mistos revela que, embora os desenvolvedores de Rust evitem o código inseguro e o utilizem apenas quando necessário, a falta de suporte nas ferramentas para chamadas de funções externas e padrões de encapsulamento gera incertezas, destacando a necessidade de ferramentas de verificação que garantam a correção em aplicações multilíngues.
Este artigo propõe um programa linear inteiro misto e uma abordagem baseada em aprendizado para otimizar o agendamento de transmissões, potência e divisão de energia em redes IoT alimentadas por energia sem fio, demonstrando que a solução de aprendizado atinge 90% da performance ótima e aumenta em 25% a quantidade de pacotes recebidos pelo HAP em comparação com métodos concorrentes.
O artigo apresenta o Fuse4Seg, um novo framework que reformula a fusão de imagens médicas multimodais como um problema de otimização bi-nível orientado à segmentação, utilizando gradientes semânticos para preservar detalhes críticos e superar o estado da arte ao mesmo tempo em que oferece interpretabilidade clínica.
O artigo apresenta o AuthFace, um novo quadro de trabalho que utiliza um prior de difusão generativa orientado a rostos, treinado em um conjunto de dados de alta qualidade com anotações fotográficas e uma perda de características latentes sensível ao tempo, para restaurar rostos com alta autenticidade e detalhes, superando as limitações dos métodos atuais baseados em modelos de difusão texto-para-imagem.
O artigo apresenta o PPLLaVA, um modelo inovador que utiliza uma estratégia de agrupamento orientada por prompts para reduzir drasticamente a redundância e o custo computacional na compreensão de vídeos longos, mantendo alto desempenho em diversas tarefas de raciocínio visual.
Este estudo analisa dados agregados de redes relacionais de mais de 3.000 pessoas em situação de rua no Condado de King, WA, revelando um declínio na conectividade social e um aumento do isolamento ao longo do tempo, o que destaca a necessidade urgente de políticas que fomentem a construção de comunidade e reduzam o deslocamento.
Este trabalho apresenta um novo e eficiente framework de programação não-linear que integra decisões hierárquicas ao planejamento e controle de cinemática inversa, utilizando a norma para resolver problemas complexos como a seleção simultânea de locais de preensão e posições de efetuadores finais com maior precisão e versatilidade do que as abordagens atuais.
Este artigo apresenta um algoritmo otimizado para o cálculo de contagens populacionais posicionais (pospopcnt) utilizando instruções SIMD (AVX2, AVX-512 e ASIMD), alcançando velocidades próximas ao limite de transferência de memória mesmo para pequenos conjuntos de dados e oferecendo melhorias na estrutura do algoritmo, no tratamento de arrays desalinhados ou curtos e na acumulação de resultados intermediários.
O artigo propõe a estratégia CSP-FT, um método de ajuste fino parcial específico para características que, ao selecionar dinamicamente apenas duas camadas críticas de um modelo TTS baseado em LLM, alcança fidelidade e inteligibilidade comparáveis ao ajuste completo com apenas 8% dos parâmetros atualizados, acelerando o treinamento em duas vezes e mitigando o esquecimento catastrófico.
Este artigo propõe e analisa algoritmos adaptativos de seleção automática de links para controle de acesso múltiplo em canais com falhas, utilizando feedback de tipo "bandit" para maximizar uma função de utilidade côncava, oferecendo diferentes compromissos entre velocidade de convergência e complexidade computacional.
O artigo apresenta o FeatureGS, um método que aprimora a reconstrução 3D por Splatting Gaussiano ao introduzir uma função de perda geométrica baseada em autovalores, resultando em maior precisão geométrica, redução drástica de artefatos flutuantes e menor uso de memória, permitindo o uso direto dos centros dos Gaussianos para representação geométrica.