4092 artigos
Este artigo propõe o IBKA-Transformer, um novo método de diagnóstico de falhas que integra um Algoritmo Black Kite aprimorado com um modelo Transformer para otimizar hiperparâmetros e selecionar características, alcançando 99,86% de precisão no diagnóstico de falhas de rolamentos de robôs industriais.
O artigo propõe o DCUG-PPO, um controlador de aprendizagem por reforço de crítico duplo que ancora sua política a um fallback baseado em modelo através de um mecanismo de portão de incerteza, alcançando confiabilidade significativamente maior e controle mais suave do que o PPO de crítico único e baselines clássicos em servovisão baseada em imagens sob queda de câmera, ao mesmo tempo em que reconhece limitações na validação de hardware e em comparações algorítmicas mais amplas.
Este artigo apresenta o ESSIM, um novo algoritmo de otimização de enxame probabilístico que aproveita a inferência estatística bayesiana e a incerteza individual da partícula para manter a diversidade do enxame e evitar mínimos locais, superando, assim, o PSO clássico em benchmarks multimodais e tarefas de otimização de hiperparâmetros de Regressão de Processo Gaussiano, apesar de exigir tempos de computação mais longos.
Este artigo propõe um método de esteganografia de vídeo robusto que combina a incorporação MEC-AQIM no domínio DWT-SVD com um mecanismo de sincronização de pseudo-ruído de camada dupla para recuperar efetivamente dados secretos de vídeos submetidos tanto à recompressão quanto ao corte arbitrário.
Este artigo propõe um sistema de aprendizagem vitalícia híbrido de inspiração biológica que co-projeta um algoritmo híbrido Drosophila-humano com hardware de memristor autoseletivo para superar o esquecimento catastrófico e as ineficiências energéticas, alcançando melhorias significativas de velocidade e energia em relação aos aceleradores CMOS tradicionais.
Este artigo apresenta uma estrutura de aprendizado de máquina auditável e com controle de vazamento que harmoniza dados heterogêneos de emissões europeias para prever com precisão atualizações espaciais de curto prazo para inventários de cádmio, mercúrio e chumbo, alcançando reduções significativas de erro em relação às linhas de base ao definir explicitamente limites operacionais para triagem de anomalias e priorização de especialistas, em vez de previsões irrestritas.
Este artigo apresenta o bio2C, um benchmark compatível com FAIR composto por 2.500 pares curados de linguagem natural-Cypher, e uma estrutura modular de Geração Aumentada por Recuperação que melhora significamente a precisão de Text2Cypher para grafos de conhecimento biomédicos ao alavancar exemplos recuperados em vez de prompting baseado em esquema.
Este estudo demonstra que os grandes modelos de linguagem de fronteira exibem "autocorreção performativa" ao gerar um extenso discurso crítico sem nunca revisar substantivamente suas respostas iniciais ao longo de 72 rodadas iterativas de revisão, desafiando, desta forma, a eficácia das estratégias de correção baseadas em prompts para melhorar a confiabilidade da IA.
Este artigo apresenta uma estrutura transparente e assistida por recuperação que fundamenta evidências numéricas em linguagem natural em esquemas de otimização estruturados, demonstrando que, embora a recuperação de esquemas seja altamente eficaz, o principal gargalo para automatizar a instanciação de problemas de otimização reside na tarefa subsequente de corresponder com precisão os números extraídos aos seus respectivos campos.
Este estudo introduz o BoneNet, um framework de aprendizado profundo multimodal que integra uma espinha dorsal YOLOv8m com blocos de atenção residual dilatada e fusão de dados tabulares para alcançar detecção automatizada de alta precisão, gradação de severidade e estimativa de profundidade explicável da perda óssea peri-implantar, identificando transparentemente as limitações de desempenho em casos graves.