929 artigos
Este artigo introduz o Elemental Variational Expanse (EVE), uma unidade variacional ao nível do neurônio que substitui as ativações ocultas determinísticas por estados latentes amostrados dependentes da entrada para melhorar a previsão probabilística e fornecer diagnósticos mensuráveis, mantendo a compatibilidade com arquiteturas neurais padrão.
Este artigo propõe o GeoDualNet, o primeiro codec neural de ponta a ponta que aprende conjuntamente a predição de vetores de disparidade e a codificação de mapas de profundidade através de um espaço latente geométrico unificado apresentando cinco componentes inovadores, alcançando economias significativas de taxa de bits e qualidade de visão sintetizada aprimorada em relação ao 3D-HEVC tradicional e aos existentes codecs multiview aprendidos.
Este artigo introduz a Predição Conformal Condicional à Modalidade (MC²), um método que restaura garantias de cobertura válidas e informativas para modelos de diagnóstico médico multimodais sob entradas de modalidades ausentes, ao estratificar a calibração de acordo com padrões de disponibilidade de modalidade sem exigir o retreinamento do modelo.
Este artigo apresenta o lock Enhanced Passive Reader-Writer (EPRW), uma adaptação em espaço de usuário do lock PRW original que elimina o requisito incompatível de heartbeat para datapath de modo de sondagem (poll-mode), preservando a escalabilidade e adicionando recursos críticos como upgrade, downgrade e aquisição não bloqueante de lock.
Este artigo propõe o ICATS, um framework de Escalonamento de Pensamento Autônomo Centrado em Questões que permite que robôs em ambientes dinâmicos priorizem o processamento cognitivo interno ao tratar diversos fatores, como tarefas inacabadas e riscos emergentes, como questões dinâmicas, superando, assim, métodos tradicionais de linha de base fixa em recompensa ponderada e detecção de status.
Este artigo apresenta um painel de suporte à decisão interativo para o Sistema de Cuidados UAC, desenvolvido utilizando Python, Streamlit, SQLite e Power BI, que integra monitoramento em tempo real, análise preditiva e planejamento de cenários para aumentar a visibilidade operacional e a tomada de decisão baseada em evidências para gestores de cuidados do setor público.
Este artigo propõe o RL-Trust RPL, um framework de confiança adaptativo baseado em Aprendizado por Reforço que mitiga ataques de sinkhole em redes RPL Multicast ao monitorar comportamentos de nós, como entrega de pacotes e consumo de energia, para detectar e isolar nós maliciosos, aumentando assim a segurança de roteamento e o desempenho da rede.
Este artigo propõe um framework híbrido de Algoritmo Genético e Aprendizado Profundo que integra um modelo ResNet leve com um esquema de otimização personalizado orientado por AG para permitir a seleção rápida e energeticamente eficiente de cabeças de cluster em Redes de Sensores Sem Fio Recarregáveis, retardando significativamente a Primeira Morte do Nó e alcançando desempenho próximo ao tempo real sem o overhead iterativo dos métodos heurísticos tradicionais.
Este estudo propõe uma estrutura escalável e impulsionada por big data utilizando um Transformer Paralelo Espaço-Temporal (STPT) e técnicas de agrupamento para prever com precisão acidentes de trânsito e fatalidades em Bangkok, permitindo, assim, intervenções políticas baseadas em evidências para aumentar a segurança rodoviária urbana.
Este artigo propõe o PHUE, um método de ensemble de subamostragem progressiva consciente da dificuldade que seleciona dinamicamente amostras críticas da classe majoritária próximas à fronteira de decisão e utiliza integração ponderada de métricas múltiplas para superar significativamente os algoritmos existentes na classificação de dados desbalanceados.