4092 artigos
Este estudo valida empiricamente uma estrutura híbrida de IA-IoT que integra a detecção ambiental contínua com o aprendizado de máquina para prever e fornecer alertas precoces de deterioração cromática em fachadas de patrimônios tropicais na Indonésia, alcançando alta precisão e generalização em múltiplos locais.
Este artigo propõe um método de conscientização do estado de segurança baseado em aprendizado profundo para equipamentos de redes de controle industrial petroquímico, utilizando um modelo híbrido TCN-MGRU para abordar a complexidade situacional e os atrasos de informação, melhorando significativamente a precisão da detecção e a proteção de segurança.
Este artigo apresenta um pipeline de detecção híbrido de baixo recurso que combina o pré-processamento baseado em movimento com o YOLOv8-nano para identificar eficientemente bandos de vira-bosta (Red-billed Quelea) em hardware apenas com CPU, alcançando alta precisão enquanto reduz significativamente a carga computacional durante cenas estáticas.
Este artigo introduz uma estrutura de rede de tensores de inspiração quântica utilizando Estados de Produto de Matrizes e embeddings AlphaEarth para o mapeamento da suscetibilidade a incêndios florestais na região de Gargano, o que não apenas alcança uma acurácia de classificação competitiva, mas também revela dinâmicas de grokking distintas e fornece uma análise de nível resolvido, fundamentada fisicamente, da separabilidade de classes através de diagnósticos de mistura quântica.
Este artigo propõe o HCSC-Net, um framework de calibração semântica contextual hierárquica que aprimora a segmentação semântica fracamente supervisionada baseada em CLIP ao integrar módulos de Calibração Estrutural por Grupos e Calibração Semântica Contextual Residual para resolver problemas de inconsistência estrutural e interferência de fundo, alcançando o estado da arte nos benchmarks PASCAL VOC 2012 e MS COCO 2014.
Este estudo controlado randomizado revela que os modelos de linguagem de grande escala são significativamente mais suscetíveis do que clínicos humanos a pistas contextuais que induzem escolhas diagnósticas incorretas, destacando uma vulnerabilidade crítica de segurança para sistemas de IA clínica que pode ser mitigada por meio de estratégias de prompting específicas.
Este artigo apresenta uma estrutura de classificação de defeitos em PCB explicável que combina o ajuste de hiperparâmetros otimizado por TRIBRID, aprendizado por transferência e MobileNetV3 para alcançar precisão perfeita e interpretabilidade, mantendo a eficiência computacional necessária para sistemas de Inspeção Óptica Automatizada inteligentes.
Este artigo apresenta um mecanismo de atestação pós-quântica independente de hardware para dispositivos industriais legados que aproveita o ciclo de hibernação-retomada em plataformas x86 comuns para capturar e assinar o estado de execução usando CRYSTALS-Dilithium, permitindo assim a verificação confiável sem hardware de segurança dedicado como TPMs.
Este artigo propõe uma Estrutura de Aprendizado Profundo Híbrida de Múltiplos Especialistas que utiliza um mecanismo de roteamento inteligente ResNet-50 para selecionar dinamicamente modelos de detecção especializados (YOLOv8 e Mask R-CNN aprimorado com SwinIR) para diferentes ambientes marítimos, alcançando alta precisão na detecção de navios e identificando com sucesso embarcações escuras em cenários do mundo real, como o Estreito de Singapura.
Este artigo demonstra que modelos de difusão pré-treinados codificam implicitamente atlas anatômicos de nível populacional dentro de sua dinâmica aprendida, permitindo a recuperação direta de templates cerebrais nítidos, condicionados à idade e competitivos em termos de registro através de inferência determinística sem exigir registro explícito ou objetivos de treinamento específicos de atlas.