4092 artigos
Este artigo avalia a viabilidade dos NVIDIA RTX Neural Shaders para a renderização de fluidos em tempo real, demonstrando que, embora as redes neurais aproximem com sucesso os BSDFs ao nível de pixel em altas taxas de quadros, limitações significativas de framework atualmente impedem seu implantação eficaz para tarefas de deslocamento de vértices.
Este estudo propõe e valida uma formulação de correção parcial e consciente de progresso para a previsão precoce de sucesso na prática de programação, demonstrando que ela supera significativamente as abordagens binárias e ordinais tradicionais ao capturar de forma mais eficaz a progressão do aluno e permitir um suporte instrucional direcionado.
Esta revisão sistemática de 122 estudos (2015–2025) demonstra que os modelos de aprendizado de máquina, particularmente as abordagens de conjunto e híbridas integradas com tecnologias de detecção não destrutivas, aumentam significativamente o manejo pós-colheita de frutas perecíveis ao melhorar a avaliação da qualidade e a redução de perdas em toda a cadeia de suprimentos, ao mesmo tempo em que destaca a necessidade de conjuntos de dados padronizados e validação no mundo real para superar os atuais desafios de implementação.
Este artigo apresenta o Validation-Aligned Coreset Selection (VACS), um método que seleciona o seletor de subconjunto balanceado por classe ideal ao avaliar um portfólio em divisões de validação interna, demonstrando que a validação repetida pode melhorar significamente a acurácia da classificação few-shot sob restrições de orçamento extremas, embora não supere universalmente as melhores regras de seleção estáticas.
Este artigo propõe uma estrutura leve de dois estágios utilizando YOLO11s-seg para geração de candidatos em nível de instância e YOLOv8n-cls para classificação de falsos negativos difíceis e consciente de oclusão, alcançando alta precisão na decisão de colheita e taxas de colheita falsa zero em ambientes complexos de plantações de palma de óleo.
Este artigo propõe uma estrutura neurosimbólica baseada em regras difusas que integra a estimativa de atributos dermoscópicos baseada em aprendizagem profunda com regras clínicas extraídas automaticamente para melhorar a precisão e a interpretabilidade da classificação de melanoma em comparação com abordagens de aprendizagem profunda baseadas apenas em imagens.
Este estudo demonstra que analisar as características estruturais da lista de referências de um artigo no momento da publicação — especificamente as taxas de autocitação, a dispersão dos anos de referência e a atualidade da literatura citada — pode melhorar significativamente a detecção precoce de riscos futuros de retratação antes que qualquer evidência pós-publicação surja.
Este artigo propõe um Framework TabNet Explicável que aproveita o aprendizado profundo baseado em atenção e valores SHAP para prever de forma precisa, robusta e justa o desempenho de funcionários remotos usando um conjunto de dados de larga escala, superando modelos de linha de base tradicionais ao mesmo tempo em que garante uma tomada de decisão de recursos humanos transparente e equitativa.
Este estudo demonstra que modelos de linguagem de grande escala avançados, especificamente o BioClinicalBERT e o BioGPT, alcançam alta precisão (98% de pontuação F1 e acurácia) na identificação automática de fármacos causadores de eventos adversos a partir de redes sociais e conjuntos de dados de avaliações de medicamentos, oferecendo uma solução promissora para o monitoramento de segurança de medicamentos em tempo real.
Este artigo propõe um framework de governança de Sociocracia 3.0 Baseada em Consentimento Distribuído que integra os princípios S3 com a arquitetura ROS 2 para aumentar a coordenação ética, transparente e escalável em sistemas multi-robôs autônomos, demonstrando melhorias significativas na redução de conflitos, depurabilidade e taxas de sucesso de consentimento através da avaliação no conjunto de dados DROID 100.