4031 artigos
Este estudo propõe uma rede de Atenção de Diagnóstico Centrada em Consulta (QDA-BLSTM) que aproveita consultas diagnósticas aprendíveis para capturar informações temporais complementares, demonstrando uma precisão e especificidade significativamente superiores aos modelos tradicionais CNN-BLSTM para a detecção de fibrilação atrial em sinais de ECG de janela curta.
O artigo apresenta o ECA-LDNet, uma U-Net compacta de 1,48 milhão de parâmetros que integra a Atenção de Canal Eficiente livre de redução, atenção de pixel e um ramo de orientação de espalhamento atmosférico para alcançar desnebulização de imagem única de alta fidelidade com compensações de desempenho explicitamente caracterizadas.
Este estudo apresenta um framework Faster R-CNN leve, aprimorado com um BiFPN autônomo, que alcança detecção e contagem de alta precisão de bacilos de tuberculose em microscopia de esfregaço de Ziehl-Neelsen, oferecendo uma solução de IA computacionalmente eficiente para acelerar o diagnóstico e reduzir a variabilidade no controle da tuberculose.
Este artigo apresenta um processador fotônico ultrarrápido que aproveita o speckle temporal de luz de banda larga para codificar nativamente pesos probabilísticos, superando assim os gargalos computacionais das redes neurais bayesianas digitais e permitindo uma IA de alta velocidade e consciente de incertezas, capaz de classificação e detecção de fora da distribuição simultâneas.
Este artigo propõe um novo framework combinando Redes de Atenção de Grafos de Cobertura Total Hamiltoniana com aprendizado de grafo de superpixel C-Means Difuso para alcançar uma classificação altamente precisa e confiável de doenças de folhas de bananeira, modelando efetivamente dependências espaciais locais e globais.
O artigo apresenta o Failure-Aware Adaptive Inference (FAAI), um framework que aproveita o conhecimento de falhas reutilizável por meio de recuperação adaptativa de memória, estimativa de risco e autocorreção proativa para melhorar significativamente a confiabilidade e as taxas de sucesso de agentes de modelos de linguagem de longo horizonte sem exigir treinamento adicional do modelo.
Esta revisão sistemática avalia o papel da interoperabilidade semântica em ecossistemas de dados autônomos, destacando a adoção de ontologias e grafos de conhecimento ao mesmo tempo em que identifica desafios críticos, como heterogeneidade semântica, escalabilidade e a necessidade de avaliação padronizada em aplicações industriais.
Este artigo apresenta o ExecuGraph, um framework configurável que demonstra que o feedback de execução é o principal motor para a melhoria da precisão na geração de código em grandes modelos de linguagem, enquanto mostra que adicionar a decomposição de papéis multiagente não proporciona nenhum benefício mensurável sobre loops de tentativa de um único agente, apesar de custos computacionais significativamente mais altos.
Este artigo apresenta uma revisão abrangente de 32 estudos para propor um framework de IA Explicável de cinco camadas que integra métodos técnicos, fatores humanos e instrumentos de governança para enfrentar os desafios de transparência e confiança da implementação de IA de "caixa-preta" em sistemas de TI críticos.
Este artigo apresenta uma prova de conceito transparente para um protótipo compacto de professor-aluno que modela explicitamente a tensão entre a confiabilidade factual e a sensibilidade afetiva no diálogo, demonstrando uma compressão intraamostral bem-sucedida ao mesmo tempo em que destaca a falha do sistema em melhorar a veracidade ou a empatia e propõe um caminho de redesenho concreto para futuros estudos multiobjetivo.