3900 artigos
Este artigo propõe o FedEDAuth, um framework de aprendizado federado leve que utiliza a análise da distribuição de incorporação para detectar e filtrar clientes maliciosos, alcançando assim 100% de detecção de ataques furtivos de envenenamento de dados bizantinos e mantendo alta precisão na detecção colaborativa de circuitos integrados falsificados.
Este artigo propõe um framework generalizado de Espaço de Transição de LoD que utiliza volumes 3D baseados em esqueleto retilíneo para permitir transformações multiescala contínuas e topologicamente consistentes entre diversos primitivos geométricos (polígonos, polilinhas e pontos), apoiando, assim, a generalização suave de mapas através de níveis arbitrários de detalhe.
Este artigo apresenta o Learn From the Best Evolution Strategy (LFB-ES), um novo otimizador de caixa-preta que aprimora o treinamento de redes neurais de alta dimensão ao guiar iterativamente a população para aprender com indivíduos de elite, alcançando assim convergência e precisão superiores em comparação com métodos clássicos como OpenAI-ES e CMA-ES.
Este artigo propõe a Geração de Subgrafos Efêmeros (ESG), uma abordagem em tempo real, guiada por LLM, que constrói grafos de conhecimento temporários e específicos para cada pergunta através de sistemas de engenharia heterogêneos para superar métodos de recuperação estática e baselines de saltos fixos em investigações entre sistemas, ao mesmo tempo em que documenta e resolve defeitos de software específicos identificados durante a avaliação.
Este artigo introduz o N-SCORE, um escalonador de filas justas de núcleo sem estado e não conservador de trabalho que preserva os limites ideais de latência fim a fim das técnicas existentes com estado e conservadoras de trabalho, enquanto melhora significativamente a supressão de jitter e a escalabilidade para redes determinísticas.
Este estudo demonstra que, embora o DINOv2-small congelado não supere significativamente o ResNet50 pré-treinado no ImageNet em radiografias panorâmicas totalmente anotadas, ele proporciona maior eficiência de amostra e desempenho para a classificação de diagnóstico multirrótulo ao nível dentário sob orçamentos de anotação restritos.
Este estudo introduz o Quantum AIO-ChameleonGAN, um framework híbrido quântico-clássico de detecção de intrusão que integra a Otimização do Ângulo de Incidência para modelagem comportamental contextual com um Circuito Quântico Variacional de oito qubits, alcançando 99,85% de acurácia e uma redução de 33,3% em falsos negativos no conjunto de dados CIC-UNSW-NB15, enquanto demonstra benefícios de representação através de simulação de vetor de estado.
Este artigo apresenta o conjunto de dados CRPC-6 e demonstra, por meio de aprendizado profundo e análise de explicabilidade, que os estilos regionais da arte do corte de papel chinês são definidos primordialmente por técnicas de artesanato distintas em vez de semântica temática, alcançando 95% de precisão de classificação com um modelo ConvNeXt-Tiny.
Este artigo propõe o framework Decoupled Thinking–Learning–Action (D-TLA), que permite que robôs autônomos se adaptem continuamente por meio de módulos independentes, porém interativos, que mantêm o desempenho rotineiro enquanto melhoram significativamente o reconhecimento de eventos raros e o sucesso em tarefas novas.
Este artigo propõe uma estrutura de atividade de segundo plano evolutiva para robôs autônomos de vida útil prolongada que consolida dinamicamente o raciocínio repetitivo em processos de segundo plano leves acionados por condições específicas, reduzindo significativamente os custos computacionais enquanto mantém a recordação de eventos críticos e melhora o sucesso de tarefas de longo horizonte.