4092 artigos
Este artigo propõe um framework de aprendizado profundo híbrido que integra transferência de aprendizado, CNNs e mecanismos de atenção para superar as limitações dos sistemas tradicionais de detecção de emoções, alcançando precisão, robustez e adaptabilidade cross-domain superiores para aplicações de interação humano-computador do mundo real.
Este artigo propõe uma estrutura de IA multimodal que integra uma Mask R-CNN personalizada para segmentação de coágulos em CTPA, um modelo híbrido LSTM-GRU para análise de séries temporais de UTI e uma rede neural artificial para avaliação de risco clínico, alcançando um Coeficiente Dice de 0,88 e 91,81% de acurácia geral para melhorar o diagnóstico de embolia pulmonar e a predição de risco do paciente.
O artigo propõe o UAMG-RAG, um framework que ajusta dinamicamente a profundidade de recuperação e a granularidade do documento com base na complexidade da pergunta e emprega re-recuperação guiada por incerteza para aumentar o desempenho de raciocínio e reduzir alucinações, alcançando melhorias significativas nos benchmarks HotpotQA e WikiHow.
Este artigo propõe um classificador binário orientado por dados e livre de função de perda que integra o TOPSIS intuitivista simétrico com a decisão de três vias sequencial autointerativa para superar limitações existentes ao utilizar pesos de atributos objetivos, medições de distância equilibradas e um loop de feedback interno para limiarização adaptativa, aumentando assim o desempenho e a robustez da classificação.
Este estudo apresenta uma estrutura preliminar de aprendizagem profunda utilizando redes neurais convolucionais baseadas em espectrogramas de mel para distinguir automaticamente entre os dialetos Maxaatiri e Maay Somali, alcançando aproximadamente 81% de precisão em um conjunto de dados pequeno, derivado de transmissões, ao mesmo tempo em que destaca a necessidade de dados maiores e mais diversos para garantir a generalização.
Este estudo prospectivo demonstra que a ferramenta NeutrinoReview, utilizando um modelo LLaMA 3.1-8B auto-hospedado, pode reduzir a carga de trabalho de triagem de revisões sistemáticas em até 74% sem perder nenhum registro incluído, embora os autores recomendem seu uso como um adjuvante conservador à triagem humana, pendente de validação adicional em diversos contextos.
Este artigo propõe o FSMF, uma rede de detecção de objetos RGB-IR guiada por confiabilidade para condução autônoma que emprega um módulo de modulação guiado por confiabilidade, um módulo de desacoplamento de informações complementares e uma pirâmide de fusão sensível à escala para abordar eficazmente desafios de iluminação e textura, alcançando o estado da arte de desempenho nos conjuntos de dados M3FD e FLIR.
O artigo apresenta o AgriMemSynth, um framework de benchmark sintético composto por conjuntos de dados de conversação e de raciocínio de múltiplos saltos para avaliar sistemas de IA agrícola, revelando que as estratégias de organização de recuperação são dependentes da tarefa e que métricas léxicas frequentemente subestimam a correção das respostas.
Este artigo propõe o Meta KG-NCF, um framework híbrido de meta-aprendizado que integra embeddings de Grafos de Conhecimento (via TransE) com Filtragem Colaborativa Neural e uma Rede de Associação de Multi-Supervisor de Primeira Ordem para abordar eficazmente problemas de cold-start, alcançando simultaneamente precisão e eficiência computacional superiores em comparação com os métodos de linha de base existentes em múltiplos conjuntos de dados de larga escala.
O artigo propõe o Cry2Vec, um modelo de autoaprendizado que utiliza uma arquitetura HuBERT otimizada e um conjunto de dados de larga escala com 3 milhões de choro de bebês não rotulados para alcançar o estado da arte em reconhecimento de choro, com viabilidade demonstrada para implantação em dispositivos de borda.