3615 artigos
Para superar desafios na detecção de patrimônio cultural subaquático, como a escassez de dados e a distorção de cores, este artigo apresenta o conjunto de dados WRF e o UCH-Net, um detector de fluxo duplo guiado por física que supera significativamente os modelos de referência existentes ao fundir efetivamente informações de RGB e profundidade.
Este artigo propõe uma perspectiva estruturalista argumentando que os grandes modelos de linguagem exibem uma forma de competência semântica fundamentada na organização relacional interna de suas redes, em vez de símbolos tradicionais, corporeidade ou intencionalidade semelhante à humana.
Este artigo apresenta o Targeter, um framework especializado em comportamento que particiona os processos do sistema em categorias e treina autoencoders de grafos leves e dedicados para cada uma, alcançando, assim, um equilíbrio de precisão-revocação superior e uma qualidade de alerta aprimorada na detecção de intrusões baseada em proveniência, mantendo um baixo overhead computacional.
Este estudo apresenta uma avaliação sistemática de sete representações visuais pré-treinadas para a classificação de doenças cutâneas faciais de seis classes, demonstrando que o modelo Derm Foundation combinado com um classificador XGBoost alcança um desempenho superior (88,17% de acurácia), ao mesmo tempo em que destaca desafios específicos na distinção entre dermatite seborreica e rosácea e valida a viabilidade técnica da estrutura por meio de um protótipo de aplicação web.
Este estudo avalia a precisão de recuperação e a latência do TF-IDF, BM25, um recuperador denso MiniLM quantizado e sua fusão de ranking recíproco no benchmark FiQA, constatando que, embora o modelo denso supere significativamente os métodos esparsos, a abordagem de fusão produz apenas uma melhoria marginal e estatisticamente insignificante em relação ao MiniLM isoladamente.
Este estudo demonstra que a aplicação de um fluxo de trabalho sistemático de engenharia de dados ao Cleveland Heart Disease Dataset — especificamente por meio de seleção de características em conjunto e remoção de ruído de rótulo — aumenta significativamente a preditividade do conjunto de dados e reduz a complexidade, transformando-o, assim, em um recurso mais confiável e pronto para IA para aplicações clínicas.
Este artigo propõe um sistema inteligente de verificação de assinaturas que aumenta a precisão ao combinar o pré-processamento aprimorado, extração de características baseada em ResNet, um algoritmo de otimização híbrido Walrus-Greylag Goose para seleção de características e um modelo RNN-Bi-LSTM fundido em nível de pontuação, alcançando desempenho superior nos conjuntos de dados GPDS e CEDAR.
Esta revisão sistemática sintetiza publicações seminais para rastrear a evolução interligada das arquiteturas de aprendizado profundo para visão computacional, organizando avanços fundamentais em três dimensões centrais — arquiteturas orientadas a tarefas, princípios de design de aprendizado de características e estratégias de construção de redes — enquanto discute criticamente os desafios atuais e as direções de pesquisas futuras para fornecer um framework unificado para a comunidade.
Esta revisão sistemática da literatura de 137 estudos sintetiza determinantes e métricas ao nível de código para a sustentabilidade de software, revelando uma lacuna significativa de pesquisa em medição de carbono em comparação com energia, e propõe um framework de decisão fundamentado e diretrizes acionáveis para ajudar desenvolvedores a construir softwares mais verdes.
Este artigo apresenta uma análise comparativa de red-teaming de seis modelos de linguagem de grande escala comerciais, revelando um espectro de segurança distinto em sua resistência a ataques de injeção de prompt que varia desde a conformidade alucinada do Grok e o looping degenerativo do Gemini até a aplicação rigorosa de limites do Claude, destacando, assim, a necessidade crítica de arquiteturas de consequência ativa no design de segurança de LLMs.