4092 artigos
Este artigo propõe o DeepNeutroBiLSTM, um novo framework híbrido que integra a modelagem de incerteza neutrosófica com indeterminação baseada em Sobel, CNNs e BiLSTMs para alcançar precisão e robustez de estado da arte no reconhecimento de caracteres árabes manuscritos nos conjuntos de dados AHCD e HIJJA.
Este artigo propõe uma estrutura guiada por grafos de conhecimento que aproveita o conhecimento prévio sobre anomalias e seus relacionamentos para construir prompts de texto, permitindo que modelos de fundação e técnicas de difusão gerem imagens anômalas realistas para várias classes de produtos.
Este artigo apresenta o Scholar-ML-1000, um conjunto de dados lançado publicamente de 996 principais pesquisadores de aprendizado de máquina coletados em junho de 2026, o qual revela que grandes empresas de tecnologia como Google e DeepMind agora abrigam mais acadêmicos líderes de ML do que as principais universidades combinadas, ao mesmo tempo em que destaca a significativa diversidade global e o alcance interdisciplinar do campo.
O PRISM-VFL é um framework de aprendizado federado vertical com privacidade diferencial que integra codificadores LSTM com um módulo Multi-gate Mixture-of-Experts para permitir o treinamento simultâneo de tarefas heterogêneas de predição clínica, demonstrando que, embora a predição de mortalidade intra-hospitalar permaneça clinicamente viável sob restrições moderadas de privacidade, outras tarefas, como descompensação e fenotipagem, enfrentam desafios significativos de utilidade, apesar de suprimir eficazmente ataques de inferência de rótulos.
Este artigo apresenta o conjunto de dados bibliométricos Scholar-India-ML para analisar os padrões de citação e as trajetórias de pesquisa de 478 pesquisadores indianos de aprendizado de máquina mais citados, revelando que o Indian Institute of Science e o Indian Statistical Institute superam os IITs em impacto de citação, enquanto laboratórios da indústria estão emergindo como contribuintes significativos para o ecossistema de IA do país.
Este artigo propõe um modelo adaptativo de implantação de nós de IoT baseados em Redes de Sensores Sem Fio que integra o protocolo de agrupamento HEED com os padrões IEEE 802.11x e análise de aprendizado profundo para otimizar a eficiência energética, estender a vida útil da rede e melhorar a Qualidade de Serviço em aplicações de IoT de larga escala.
Este estudo avalia a confiabilidade e a validade de LLMs multimodais para a avaliação do desenho urbano em Seul, constatando que, embora apresentem um bom desempenho em características visualmente explícitas, sua incapacidade de replicar totalmente as classificações humanas para variáveis contextuais ou proporcionais limita sua adequação a aplicações específicas de elementos em vez de aplicações universais.
Este artigo propõe um paradigma de aprendizado de máquina que evita a reconstrução tradicional de imagens para detectar diretamente entidades de interesse, como doenças, a partir de medições mínimas, reduzindo significativamente os custos e o tempo de aquisição, mantendo a precisão diagnóstica.
Este artigo propõe um framework híbrido de alocação de tarefas para sistemas multi-robôs heterogêneos que combina um Modelo de Linguagem de Grande Escala para gerar soluções iniciais de alta qualidade baseadas em linguagem natural com um algoritmo de busca local de Aceleração-Desaceleração guiado por memória, alcançando uma redução de 17,07% no tempo de execução da missão (makespan) em comparação com métodos tradicionais, mantendo a escalabilidade.
Este artigo apresenta o Virtual Speech Therapist (VST), uma plataforma impulsionada por IA com o clínico no ciclo (clinician-in-the-loop) que integra a classificação de gagueira baseada em aprendizado profundo com o raciocínio de modelos de linguagem de grande escala multiagentes para gerar, criticar e refinar planos de terapia personalizados e baseados em evidências para revisão e implementação por especialistas.