4051 artigos
Este estudo propõe e avalia um sistema de reconhecimento automático de fala para a língua tigrínia, independente de locutor, baseado em uma estrutura de Modelo Oculto de Markov para processos judiciais etíopes, alcançando uma precisão de palavras de 73,84% usando um modelo acústico dependente de contexto treinado em um corpus personalizado de 24 falantes nativos.
Este artigo demonstra que as Equações Diferenciais Universais, que integram estruturas SIR mecanísticas conhecidas com redes neurais para dinâmicas de transmissão incertas, superam as Neural ODEs totalmente orientadas por dados em precisão de previsão, robustez e eficiência de dados, particularmente sob condições de dados limitados e alto ruído.
Esta síntese sistemática de evidências de revisão de 2015 a 2025 identifica determinantes e barreiras fundamentais para a adoção da Realidade Virtual em diversos domínios, destacando a necessidade de um framework integrado que aborde lacunas metodológicas e combine fatores cognitivos, experienciais, fisiológicos e organizacionais para garantir o engajamento do usuário a longo prazo.
Este artigo apresenta um modelo de avaliação de feedback multimodal assistido por computador para o ensino de artes no ensino fundamental que integra análise visual e textual com rastreamento de evidências e revisão docente para melhorar significativamente a confiabilidade da avaliação e reduzir as taxas de erro.
Este artigo apresenta um framework que operacionaliza a linhagem de dados como infraestrutura para pipelines de dados financeiros confiáveis, demonstrando, por meio de implementação, que ele reduz significativamente os tempos de resposta de auditoria e permite o rastreamento de fontes e transformações de dados verificável por máquina.
Este artigo audita sistemas de IA educacional utilizando modelos de linguagem ao nível de caracteres e conclui que, embora eles consigam prever com sucesso transições de currículo retidas em conjuntos de dados sintéticos e do mundo real, essa capacidade decorre da exploração da fatoração explícita de metadados em vez da compreensão semântica do conteúdo da lição.
Este artigo propõe um sistema de classificação não invasivo da gravidade da doença de Parkinson usando dados de sensores IMU triaxiais e aprendizado de conjunto, demonstrando que o modelo LightGBM supera outros algoritmos de aprendizado de máquina com aproximadamente 97% de acurácia.
Este estudo avalia cinco modelos de aprendizado de máquina supervisionado para detectar ataques de dia zero em dados desbalanceados, selecionando finalmente o XGBoost como a solução ideal devido ao seu equilíbrio superior de alta precisão e tempo de processamento rápido em comparação ao Random Forest, que é mais preciso, porém mais lento.
Este estudo introduz um pipeline de aprendizado de máquina de três estágios, validado em mais de 670.000 casos de tribunais de magistrados quenianos, que utiliza modelos LightGBM e CatBoost para prever durações de processamento de casos e classificar arquivamentos no mesmo dia, permitindo, assim, o gerenciamento proativo de acúmulo de processos por meio de um esquema de risco derivado empiricamente e de uma aplicação web implantada.
Este estudo demonstra que o EfficientNet-B0 pré-treinado no ImageNet supera significativamente a inicialização aleatória para a classificação de ressonância magnética de tumores cerebrais de quatro classes apenas sob extrema escassez de dados (5% de 5.600 imagens), ao mesmo tempo em que destaca limitações críticas, como o potencial vazamento de dados ao nível do paciente e a falta de significância estatística para os benefícios da transferência de aprendizado em frações de dados maiores, argumentando, em última análise, contra a implantação autônoma sem validação rigorosa adicional.