3657 artigos
Este artigo propõe um método de warm-start baseado em aprendizado profundo que utiliza redes neurais para gerar palpites iniciais precisos para problemas de programação quadrática, acelerando significativamente a eficiência computacional de simulações de montagem de aeronaves dentro de estruturas de gêmeos digitais.
Este artigo apresenta um sistema especialista determinístico e offline para análise de causa raiz em fundições de aço que emprega verificação por portão, um juiz de refutação separado e restrições rigorosas de evidência para mitigar alucinações de modelos de linguagem de grande escala, propondo, por fim, um modelo de autonomia com intervenção humana onde o sistema sugere descobertas para aprovação humana. A avaliação do sistema utiliza como base uma análise de referência que foi escrita por um LLM sob a orientação dos autores, não sendo, portanto, um relatório de um especialista independente.
Este artigo propõe um framework robusto de Aprendizado por Reforço em Grafos Espaço-Temporais que integra Redes de Atenção em Grafos e codificadores temporais baseados em Transformer para permitir que sistemas de controle de semáforos multiagentes distingam efetivamente entre ruído transitório e interrupções persistentes, alcançando assim um throughput superior e uma recuperação mais rápida de falhas estruturais em comparação com os baselines de estado da arte.
Este artigo estabelece que operadores de Bellman distributivos com pesos de lei de potência de múltiplos horizontos arbitrários são contrações na métrica de Wasserstein p-suprema e preservam a distribuição de retorno real como um ponto fixo único, fornecendo, assim, um fundamento teórico para incorporar mecanismos de memória longa no aprendizado por reforço distributivo.
O Confidential Pulse é um sistema que possibilita o acesso conversacional seguro a registros governamentais federados ao reconstruir respostas a partir de cargas úteis autorizadas dentro de canais do Hyperledger Fabric, garantindo que, embora o sistema impeça a divulgação de dados fora do escopo, ele permaneça vulnerável ao vazamento de informações por meio da prosa gerada pelo modelo.
Este artigo apresenta o TSLLM-BO, um framework de dois estágios que aumenta a robustez e a fidelidade estrutural da previsão de séries temporais baseada em LLM ao combinar uma arquitetura de alinhamento tempo-texto com uma recompensa composta diferenciável e o Dynamic Policy Clipping para superar os desafios de aplicar aprendizado por reforço em tarefas de previsão contínua de longo horizonte.
Este estudo propõe um framework de aprendizagem profunda multitarefa que utiliza um Ensemble de Rank-Fusion para classificação de sexo e um modelo ConvNeXt-Tiny com uma nova estratégia de Tri-Loss para estimativa de faixa etária cronológica, alcançando alta precisão no perfilamento demográfico a partir de radiografias de joelho.
Este artigo apresenta o ICU-REACT, um conjunto de dados com o clínico no ciclo (clinician-in-the-loop) que treina grandes modelos de linguagem em raciocínio especializado de UTI, resultando nos modelos Clin-REACT que demonstram uma generalização superior em diversas tarefas de raciocínio clínico em comparação com os LLMs médicos e de propósito geral existentes.
Este artigo apresenta uma arquitetura paralela de dois níveis combinando paralelismo ao nível de thread e execução distribuída para acelerar significativamente simulações de tráfego SUMO em larga escala em redes viárias complexas, alcançando até 13,32× de aceleração enquanto valida a precisão do método e identifica a sincronização global como o principal gargalo de escalabilidade.
Este artigo propõe uma estrutura de duas camadas que desacopla a certificação de metadados baseada em blockchain do armazenamento fragmentado off-chain para permitir o ajuste fino federado de grandes modelos de linguagem, confiável, econômico e verificável entre organizações, sem comprometer a privacidade dos dados ou a integridade do modelo.