4092 artigos
Este artigo propõe e avalia duas abordagens de Programação Linear Inteira (ILP) para orquestrar os ciclos de ativação e carregamento de sensores energeticamente neutros para garantir a cobertura temporal e espacial contínua em redes de monitoramento ao ar livre, analisando as compensações entre complexidade de implementação, tempo de resolução e otimalidade da solução.
Este artigo propõe o Dynamic Explainable Framework (DEF), um pipeline de três estágios que integra Transformers de séries temporais, Redes Convolucionais de Grafos e técnicas de explicabilidade pós-hoc para alcançar detecção de intrusão de alta precisão, reduzir significativamente a fadiga de alertas dos analistas ao priorizar incidentes críticos e fornecer justificativas transparentes e em tempo quase real para ambientes de Centros de Operações de Segurança.
Este artigo propõe o SPQ-DETR, um detector baseado em transformer que aprimora a detecção de minúsculos UAVs de longo alcance ao integrar a preservação de características de alta resolução, consultas guiadas por conhecimento prévio inicializadas a partir de tokens do codificador e supervisão geométrica consciente de forma para melhorar significativamente a precisão e a revocação em conjuntos de dados desafiadores.
Este artigo introduz o \methodfull, um framework de autoaperfeiçoamento orientado por simulação que gera, verifica e repara iterativamente netlists de circuitos usando Otimização de Preferência Pareto-Verificada e Otimização de Política de Proximidade Segura para alcançar o design de circuitos de ponto de especificação multi-objetivo de alta precisão através de diversas famílias analógicas.
Este artigo propõe um sistema de identificação biométrica robusto baseado em EEG que converte sinais de 64 canais em assinaturas neurais latentes 2D por meio de escalogramas de wavelet e um autoencoder convolucional, classificando então os indivíduos usando uma ResNet personalizada para alcançar 99,1% de precisão no conjunto de dados PhysioNet Motor Imagery.
Este artigo propõe duas modificações arquiteturais baseadas em Computação de Reservatório que substituem a tradicional e computacionalmente complexa extração de características MFCC por convoluções eficientes no domínio do tempo, alcançando um desempenho superior em tarefas de reconhecimento de fala através de um conjunto de múltiplos reservatórios descentralizados ou de uma abordagem de forma de onda composta única.
Este estudo utiliza métodos de correlação reversa para demonstrar que LLMs multimodais como ChatGPT e Gemini geram imagens faciais "personificadas" estáveis, autorreconhecentes e de valência positiva, fornecendo evidências preliminares de que esses modelos podem possuir representações internas de sua identidade funcional.
Este estudo demonstra que um classificador de Máquina de Vetores de Suporte (SVM), otimizado utilizando oito características principais selecionadas do conjunto de dados de Cleveland, alcança um desempenho superior com 90,28% de acurácia e 93% de AUC na predição de enfermidades cardíacas em comparação com trinta outros classificadores.
Ao longo de um período de dois anos, a UNC Health aprimorou sua estrutura de IA Responsável ao implementar um sistema de três níveis baseado em risco que melhorou significativamente a eficiência da avaliação e reduziu os prazos de entrega, mantendo uma supervisão rigorosa, resultando na revisão bem-sucedida de 64 soluções e no estabelecimento de mecanismos robustos de monitoramento pós-implantação com eventos adversos mínimos.
Este artigo desafia a premissa de que o reparticionamento ativo é universalmente necessário para índices de busca vetorial sob deriva de dados, demonstrando através de benchmarks controlados que partições estáticas são suficientes para uma rotatividade moderada, ao mesmo tempo em que revela que o recentramento incremental é a solução de custo-benefício ideal para mudanças significativas de distribuição, fornecendo, por fim, um mapa de regimes e uma regra de decisão para que os profissionais determinem quando a manutenção é verdadeiramente necessária.