974 artigos
Este artigo apresenta o SBC-AND, um conjunto de dados curado de 442 registros de publicações científicas em português, projetado para enfrentar a sub-representação de línguas não inglesas na pesquisa de Desambiguação de Nomes de Autores e servir como um benchmark desafiador para avaliar modelos de desambiguação multilíngues.
Este artigo propõe um modelo de ranking de recomendação multimodal consciente de estados para o comércio eletrônico transfronteiriço que modela explicitamente as mudanças de intenção do usuário a curto prazo através de seis estados operacionais, alcançando um desempenho superior em recomendações de categorias cruzadas e itens de baixa frequência no recém-introduzido conjunto de dados CEMR-42M de 42 milhões de registros em comparação com os baselines existentes.
Este estudo introduz o framework MDQ-3L para avaliar modelos de aprendizado de máquina clássicos, profundos e quânticos para a previsão da poluição do ar, revelando que, embora modelos clássicos como CatBoost e DBN atualmente superem as abordagens quânticas sob restrições NISQ, o sistema de pontuação multimétrica proposto identifica efetivamente limitações estruturais e orienta a seleção de circuitos quânticos de baixa emaranhamento para futuros modelos ambientais híbridos.
Este artigo propõe o uso de um CUT-GAN de baixo recurso para gerar patches de mamografia sintéticos para o treinamento de modelos de aprendizado profundo em cenários de recursos limitados, demonstrando que, embora os dados sintéticos melhorem o desempenho do modelo em comparação com a ausência de dados, eles atualmente apresentam uma acurácia inferior (0,751 AUC) do que o treinamento com imagens reais (0,913 AUC).
Este artigo apresenta um pipeline RV32IM de cinco estágios sintetizável, apresentando um preditor de desvio gshare integrado e uma unidade de visualização VGA em FPGA independente do host, o qual alcança uma melhoria de desempenho de 2,33× em relação a uma linha de base estática, ao mesmo tempo que permite a introspecção do pipeline em tempo real e a verificação funcional bit-a-bit.
Este artigo propõe um framework leve de Rede Neural Convolucional de Atenção Dupla baseada em Extração de Características Espaço-Temporais Profundas (CSFE-DAE) que combina Padrões Espaciais Comuns com mecanismos de atenção dupla para alcançar uma precisão de detecção de doença de Parkinson de estado da arte de 97,59% em sinais de EEG.
Este estudo utilizou um modelo de desenvolvimento Four-D para criar e validar um sistema de gestão de aprendizagem baseado em IA para escolas primárias, o qual especialistas consideraram altamente viável e eficaz no aumento das competências de pensamento computacional dos alunos, particularmente em decomposição, abstração e algoritmos.
Este artigo propõe uma Rede Neural Quântico-Clássica Híbrida de Fusão Adaptativa de Características (FAF-HQNN) que pondera dinamicamente as previsões clássicas e quânticas para alcançar precisão superior e robustez contra ruído em tarefas de classificação de imagens biomédicas.
O artigo propõe o ACDGRec, um modelo de recomendação robusto que integra treinamento adversário e aprendizado contrastivo em uma rede neural de grafos baseada em difusão para abordar eficazmente a esparsidade de dados, problemas de cold-start e instabilidade de entrada ao capturar correlações latentes de contexto do usuário.
Este artigo propõe um framework de Gradiente de Política Determinística Profunda Multi-Agente (MADDPG) consciente de NDN que aproveita o aprendizado descentralizado e representações de estado especializadas para mitigar efetivamente Ataques de Poluição de Cache em Redes de Dados Nomeados, demonstrando eficiência de cache superior, convergência mais rápida e resiliência aprimorada em comparação com abordagens de agente único e convencionais.