4092 artigos
Este artigo propõe o MEFP-Net, um algoritmo de reconhecimento multimodal que utiliza fusão hierárquica de estágio intermediário e uma espinha dorsal de caminho duplo para abordar eficazmente o desequilíbrio de características e a sensibilidade à iluminação, melhorando significativamente a detecção de objetos pequenos e ocluídos em cenários de tráfego urbano complexos.
Este artigo apresenta uma avaliação experimental abrangente de várias estratégias de indexação do Facebook AI Similarity Search (FAISS), analisando suas compensações em precisão, latência e uso de memória através de diferentes métricas de distância e técnicas de quantização para fornecer orientações práticas para implantações de busca de similaridade em larga escala.
Este artigo propõe e avalia um modelo de escalonamento preditivo e adaptativo que integra a previsão de carga de trabalho com decisões de armazenamento conscientes do Ceph para reduzir significativamente a contenção de recursos e a latência de E/S em infraestruturas hiperconvergentes Kubernetes–Ceph executadas no Proxmox VE, alcançando um balanceamento de carga e desempenho superiores em comparação ao escalonador padrão do Kubernetes.
Este artigo propõe uma estrutura de aprendizado por reforço federado para redes de borda móvel que combina um modelo VAE-LSTM para predição de popularidade de conteúdo com um algoritmo de aprendizado por reforço profundo multiagente para otimizar decisões de cache cooperativo, reduzindo significamente a latência e melhorando as taxas de acerto de cache em comparação com os métodos de linha de base existentes.
Este artigo propõe o DMPB-Net, um novo framework semissupervisionado que integra um codificador impulsionado por Mamba com módulos especializados para desacoplamento semântico, atenção de protótipo e refinamento de borda para alcançar o estado da arte na segmentação de lesões mamárias em imagens de ultrassom sob supervisão limitada.
Este artigo propõe uma estrutura trimodal robusta que integra CNNs, Vision Transformers e Redes Neurais de Grafos por meio de um mecanismo de fusão de portão adaptativo para alcançar precisão de detecção de falsificação de estado da arte (99,10%) e interpretabilidade em imagens de redes sociais.
Este estudo propõe uma estrutura de decisão fundamentada em três partes para a seleção de modelos em aprendizado de máquina científico com dados limitados, demonstrando, por meio de estudos de caso de inibidores de quinase e solubilidade, que modelos lineares simples frequentemente superam alternativas complexas quando os tamanhos de amostra são pequenos, defendendo, assim, a simplicidade do modelo como um baseline crítico.
Este estudo avalia vários modelos de regressão de aprendizado de máquina no conjunto de dados Individual Household Electric Power Consumption para prever tendências de energia e identificar anomalias, constatando que o Random Forest supera outros algoritmos enquanto a análise SHAP revela a Global_intensity como o fator preditivo dominante.
Este artigo propõe o framework Stigmergic Skeleton Field (SSF), que integra um grafo de esqueleto de eixo medial com um campo de feromônio de colônia de formigas e um algoritmo de Re-esqueletização Incremental Localizada (LIR) para permitir a navegação multi-robô descentralizada e eficiente em ambientes dinâmicos ao reparar a topologia apenas onde necessário, alcançando uma qualidade de trajetória próxima da ótima com velocidades de replanejamento significativamente mais rápidas em comparação com as linhas de base existentes.
Este artigo apresenta o Semperf, um framework assistido por LLM que constrói matrizes de perfil de rank e agrupa processos para permitir o diagnóstico de desempenho e a identificação de gargalos de forma escalável e automatizada para aplicações de HPC paralelas de escala extrema.