3900 artigos
Este estudo demonstra que, embora a IA generativa aumente significativamente a aquisição de vocabulário em alunos de EFL em comparação com o ensino convencional, modelos de regressão linear que dependem primordialmente de indicadores linguísticos superam algoritmos complexos de aprendizado de máquina e métricas comportamentais na previsão desses ganhos de aprendizagem.
Este artigo propõe uma arquitetura de comunicação resiliente ao quantum e consciente de identidade para IoT de borda que utiliza codificadores visuais DINOv2 congelados combinados com Redes Neurais Siamesas e de Grafos para verificar participantes via embeddings quantizados, garantindo sessões seguras, de baixa latência e de largura de banda eficiente para aplicações críticas como telepresença e saúde remota.
Este artigo propõe uma estrutura impulsionada por IA para Computação de Borda Veicular que integra Aprendizado por Reforço Profundo para o descarregamento de tarefas com consciência de prioridade e previsão de recursos baseada em LSTM para otimizar dinamicamente a execução de tarefas e reduzir o tempo de resposta em 31,2% em comparação com métodos existentes.
Este estudo propõe um sistema explicável de detecção automatizada de opacidade pulmonar utilizando um modelo VGG-19 ajustado e integrado ao Grad-CAM, que alcança 93% de acurácia em um conjunto de dados do Kaggle para apoiar o diagnóstico confiável de pneumonia em crianças.
Este artigo propõe o BGCE-GeoVis-GNN, um novo framework que aumenta a estabilidade da segmentação e reconhecimento conjuntos de interação humano-objeto em vídeo ao introduzir um módulo de contorno auxiliar e restrições colaborativas para mitigar deslocamentos de contorno e descontinuidades de rótulos causados por transições fracas, alcançando melhorias significativas de desempenho nos conjuntos de dados MPHOI-72 e CAD-120.
Este artigo introduz o Columnar-Embedder, uma arquitetura de inspiração biológica que utiliza aprendizado Hebbiano local em caminhadas aleatórias de fluxo para gerar representações de grafos distribuídas, binárias e esparsas e robustas, capazes de desempenho competitivo em classificação de nós e predição de links sem exigir retropropagação ou sofrer de esquecimento catastrófico.
Este artigo apresenta o ViTone, um benchmark de diagnóstico e um protocolo de avaliação pré-registrado projetado para avaliar diretamente a fidelidade tonal em sistemas de texto para fala em vietnamita ao combinar estímulos de pares mínimos, uma Taxa de Erro de Tom calibrada por ASR e análise de nível de pistas de F0 e laringalização, abordando as limitações das métricas existentes que falham em capturar as distinções tonais contrastivas da língua.
Este artigo investiga o ajuste fino de grandes modelos de linguagem para a geração automática de dicas em tarefas de raciocínio ao comparar quatro estratégias de prompting em três modelos, avaliando a qualidade das dicas com um novo conjunto de métricas e demonstrando que a fusão de conjuntos de dados guiada por métricas produz melhorias consistentes em convergência e familiaridade, ao mesmo tempo que preserva a relevância e minimiza o vazamento de respostas.
Este estudo demonstra que a utilização de leitura de probabilidade total em vez de medições de valor de expectativa em um modelo compacto de autoatenção quântica híbrida pode melhorar o desempenho da classificação de imagens médicas em conjuntos de dados específicos, destacando o design de leitura como um fator arquitetural crítico, ao mesmo tempo em que observa que as descobertas ainda não estabelecem vantagem quântica ou prontidão clínica.
Este artigo apresenta um protocolo de teste de mutação determinístico que revela que oráculos de escopo de estado em benchmarks de agentes de software rejeitam efetivamente falhas de estado prejudiciais e variações benignas de esquema, ao mesmo tempo em que identifica falsos negativos específicos no ToolSandbox, onde os avaliadores falham em detectar efeitos colaterais persistentes não pretendidos apesar de pontuações inalteradas.