974 artigos
Este artigo propõe o CD-LHBC, uma blockchain hierárquica leve e orientada por consenso para Redes de Primos Digitais que integra subcadeias regionais, uma cadeia de coordenação e uma pontuação de consistência de primo digital dinâmica para alcançar sincronização de baixa latência e tolerante a falhas em ambientes multirregionais com até 25% de nós maliciosos.
Este artigo apresenta uma abordagem baseada em dados utilizando redes de sensores e conjuntos de árvores de decisão aleatorizadas para detectar, localizar e rastrear fontes radioativas com precisão em ambientes complexos, demonstrando um desempenho superior em relação aos métodos tradicionais ao eliminar a necessidade de modelagem detalhada de transporte de radiação.
Este artigo propõe o modelo Quality-Constrained Preference Fading (QCPF), que aprimora a recomendação por difusão discreta ao substituir a amostragem aleatória uniforme por uma distribuição de mistura consciente da qualidade e um mecanismo de filtragem de falsos negativos para gerar trajetórias de degradação de preferência mais informativas, melhorando significativamente o desempenho de recomendação Top-K sem adicionar latência de inferência.
Este artigo propõe um modelo híbrido de detecção de URLs de phishing que integra Redes Neurais de Grafos com Random Forest para alcançar uma precisão superior e reduzir falsos positivos em comparação com o aprendizado de máquina tradicional e abordagens alternativas de GNN.
Este artigo propõe uma arquitetura multiagente que utiliza agentes autônomos impulsionados por LLM para permitir o controle de qualidade de software autodirigido ao automatizar a geração de testes, execução, autocorreção e triagem de defeitos, enquanto aprende continuamente com resultados históricos para enfrentar as limitações dos testes roteirizados tradicionais.
Este artigo propõe um Framework de Aprendizado Profundo Híbrido Explicável (HEDLF) que integra CNN, BiLSTM e mecanismos de atenção com fusão de múltiplos sensores e explicabilidade baseada em SHAP para alcançar manutenção preditiva de alta precisão e interpretabilidade física para sistemas de IoT industrial, conforme validado pelo desempenho superior nos benchmarks NASA C-MAPSS e IEEE PRONOSTIA.
Esta revisão sistemática de 22 estudos publicados entre 2010 e 2026 conclui que, embora filtros de Gabor e wavelet aprendíveis ofereçam melhorias interpretáveis e eficientes em termos de parâmetros para a classificação de câncer de mama mamográfico, permanece uma lacuna significativa de evidências em relação à sua integração conjunta para o estadiamento radiológico e patológico multiclasse.
Este artigo propõe uma estrutura de inteligência de borda destilada que combina uma estratégia de destilação de conhecimento de duas fases com um mecanismo de inferência colaborativa borda-nuvem consciente de confiança para alcançar a detecção de defeitos em parafusos de alta precisão em dispositivos de torres de comunicação com recursos limitados, reduzindo significativamente as taxas de upload para a nuvem e a latência.
Este estudo propõe e valida uma estrutura de aprendizado profundo hierárquico que combina a detecção YOLOv8 com a classificação DenseNet121 para alcançar a detecção, tipificação e visualização espacial robustas de doenças do abacaxi sob condições tropicais desafiadoras de campo real, demonstrando precisão e confiança superiores em testes de campo cego em comparação com abordagens de estágio único.
Este artigo propõe um arcabouço computacional que formaliza a metáfora de "pensar fora da caixa" ao definir fronteiras conceituais como regiões geométricas em um espaço semântico latente, permitindo, assim, a medição do desvio criativo por meio de uma métrica de distância geométrica normalizada por tópico.