4092 artigos
Este estudo propõe o StackPip Framework, uma abordagem de aprendizado de conjunto híbrido utilizando um Classificador de Empilhamento (Stacking Classifier) no conjunto de dados SDSS DR-17, que alcançou 98% de acurácia na classificação de objetos celestes em galáxias, estrelas e quasares, superando vários modelos individuais de aprendizado de máquina.
O artigo propõe o BayesMem-CD, uma estrutura baseada em memória bayesiana que integra inferência probabilística com regularização temporal para alcançar a detecção de comunidades dinâmica consciente de incertezas, equilibrando eficazmente a estabilidade contra o ruído com a sensibilidade a mudanças estruturais genuínas.
O artigo apresenta o AraCoT-Agent, um framework que destila capacidades de raciocínio estruturado em modelos de árabe utilizando um conjunto de dados filtrado e de alta qualidade (AraCoT) e um objetivo de treinamento ponderado por recompensa, alcançando uma melhoria relativa de 55,7% no novo AraAgent-Bench e estreitando significativamente a lacuna de raciocínio entre os LLMs de árabe e inglês.
O artigo propõe o CoDeR, um framework de aprendizado de representação de degradação contínua que integra um Codificador Transformer Acoplado de Eixo Duplo e um módulo de Aprendizado Contrastivo Sensível ao Tempo para superar as limitações de representações fragmentadas em modelos de aprendizado profundo existentes, alcançando, assim, previsões mais precisas de Vida Útil Remanescente para motores aeroespaciais.
Esta revisão sistemática avalia a adequação das Redes de Kolmogorov-Arnold (KANs) para a análise de séries temporais, concluindo que, embora elas se destaquem em previsões interpretáveis de curto horizonte com padrões suaves em diversos domínios, sua aplicação atual é limitada por evidências heterogêneas, desafios no tratamento de dependências de longo alcance e mudanças de regime, e uma necessidade de benchmarks padronizados e validação rigorosa de interpretabilidade.
Este artigo apresenta o GRAD-Net, um framework unificado de aprendizado profundo guiado por patologia que integra mecanismos de atenção conscientes de lesões e agregação de características multiescala para alcançar precisão de estado da arte e interpretabilidade clínica na graduação automatizada da retinopatia diabética.
Este artigo apresenta o CRC-LS-MOCBO, uma estrutura de otimização bayesiana causal multiobjetivo sequencial que garante intervenções seguras sob estruturas causais incertas ao integrar incerteza de grafos candidatos, priors ponderados por estabilidade e calibração de risco conformal para minimizar violações de restrições enquanto maximiza ganhos de objetivo.
Este artigo apresenta um sistema de alerta precoce de terremotos de baixo custo e em tempo real que utiliza hardware IoT (ESP32, GPS, GSM) e modelos de aprendizado de máquina embarcados treinados em dados sísmicos históricos para detectar padrões e alertar instantaneamente os usuários via SMS, mesmo em áreas com conectividade limitada.
Este artigo apresenta o HybridPII, um modelo de ensemble híbrido ajustável que combina regex ponderado e NER multi-modelo para alcançar uma revocação superior para a detecção automatizada de PII, abordando especificamente a necessidade crítica de minimizar falsos negativos em aplicações de privacidade críticas para conformidade.
Este artigo introduz os Operadores Neurais Topológicos Fracos (WTNO), um framework que aprimora a seleção de operadores neurais para equações diferenciais parciais ao acoplar preditores de estado com certificados geométricos, topológicos e de medida fraca para garantir previsões físicas robustas em cenários envolvendo interfaces, mudanças topológicas e eventos raros.