4092 artigos
Este artigo propõe um framework de processo de decisão de Markov restrito (CMDP) utilizando Q-learning Lagrangiano fatorizado para otimizar o reequilíbrio de micromobilidade compartilhada ao impor explicitamente limiares de equidade nas taxas de falha de serviço, validado por meio de redes sintéticas e um estudo de caso real em Haia.
Este artigo apresenta uma arquitetura de segurança do lado do cliente para cofres de credenciais baseados na web que alcança propriedades de conhecimento zero robustas ao combinar a extensão PRF do WebAuthn com criptografia simétrica e padrões otimizados de armazenamento do navegador.
Este artigo apresenta o AeroGround, um conjunto de dados de aviação aberto e fundamentado em citações, derivado de fontes de domínio público dos EUA, que permite o treinamento e a avaliação de modelos de linguagem confiáveis capazes de fornecer respostas autoritativas e citadas ou abstenções calibradas quando a evidência for insuficiente.
Este artigo apresenta uma análise comparativa de algoritmos de aprendizado de máquina aplicados a registros clínicos anonimizados do conjunto de dados 'Aadarshvelu', demonstrando que um modelo de atenção rotulado proposto alcança uma acurácia diagnóstica (94,05%) e pontuação F1 (95,05%) superiores para a predição de estágios de cirrose hepática, oferecendo, assim, uma ferramenta de baixo custo para aprimorar a detecção precoce e a tomada de decisão clínica.
O artigo apresenta o SPIDER-WEB, um framework de codificação tudo-em-um que permite a recuperação de dados em tempo real e concorrente durante o sequenciamento de DNA, alcançando ganhos de eficiência de até 9.083 vezes em relação aos métodos convencionais e demonstrando desempenho de nível de compact-disc com renderização de vídeo bem-sucedida em menos de 100 segundos.
Esta revisão de escopo analisa as estruturas de segurança de IoT existentes para sistemas de saúde digital, revelando que, embora as soluções atuais frequentemente abordem áreas discretas, elas carecem de integração abrangente, e identifica elementos-chave como avaliações de vulnerabilidade, modelagem de ameaças e IA como essenciais para o desenvolvimento de mecanismos de defesa robustos e proativos.
Este artigo apresenta um estudo de ablação sistemático sobre a adaptação do TrOCR para o reconhecimento de textos manuscritos medievais, demonstrando que estratégias específicas de congelamento de camadas e a remoção da normalização de contraste podem alcançar uma precisão competitiva em pequenos conjuntos de dados históricos, ao mesmo tempo em que fornecem validação entre conjuntos de dados e insights de interpretabilidade.
Este estudo propõe um framework de aprendizado profundo utilizando o conjunto de dados UNSW-NB15 para detecção de intrusão em rede e classificação de ataques multiclasse, demonstrando que uma arquitetura RNN-LSTM supera os modelos ANN e CNN ao atingir 97,42% de acurácia por meio de técnicas otimizadas de pré-processamento de dados e balanceamento de classes.
Este artigo demonstra que modelos de aprendizado de máquina interpretáveis treinados em características de protocolos públicos do ClinicalTrials.gov podem prever com precisamente a probabilidade de sucesso técnico e regulatório para ensaios de pequenas moléculas, superando referências padrão e oferecendo uma ferramenta reprodutível para avaliação ajustada ao risco.
O artigo propõe o SupCon-Mamba, um framework de detecção de alvos hiperespectrais de poucos disparos (few-shot) que integra um mecanismo de codificação de contexto local, um módulo Mamba piramidal para modelagem espectral multiescala eficiente e aprendizado contrastivo supervisionado para eliminar falsos negativos e alcançar um desempenho de detecção superior com o mínimo de amostras rotuladas.