974 artigos
O artigo apresenta o SPIDER-WEB, um framework de codificação tudo-em-um que permite a recuperação de dados em tempo real e concorrente durante o sequenciamento de DNA, alcançando ganhos de eficiência de até 9.083 vezes em relação aos métodos convencionais e demonstrando desempenho de nível de compact-disc com renderização de vídeo bem-sucedida em menos de 100 segundos.
Esta revisão de escopo analisa as estruturas de segurança de IoT existentes para sistemas de saúde digital, revelando que, embora as soluções atuais frequentemente abordem áreas discretas, elas carecem de integração abrangente, e identifica elementos-chave como avaliações de vulnerabilidade, modelagem de ameaças e IA como essenciais para o desenvolvimento de mecanismos de defesa robustos e proativos.
Este artigo apresenta um estudo de ablação sistemático sobre a adaptação do TrOCR para o reconhecimento de textos manuscritos medievais, demonstrando que estratégias específicas de congelamento de camadas e a remoção da normalização de contraste podem alcançar uma precisão competitiva em pequenos conjuntos de dados históricos, ao mesmo tempo em que fornecem validação entre conjuntos de dados e insights de interpretabilidade.
Este estudo propõe um framework de aprendizado profundo utilizando o conjunto de dados UNSW-NB15 para detecção de intrusão em rede e classificação de ataques multiclasse, demonstrando que uma arquitetura RNN-LSTM supera os modelos ANN e CNN ao atingir 97,42% de acurácia por meio de técnicas otimizadas de pré-processamento de dados e balanceamento de classes.
Este artigo demonstra que modelos de aprendizado de máquina interpretáveis treinados em características de protocolos públicos do ClinicalTrials.gov podem prever com precisamente a probabilidade de sucesso técnico e regulatório para ensaios de pequenas moléculas, superando referências padrão e oferecendo uma ferramenta reprodutível para avaliação ajustada ao risco.
O artigo propõe o SupCon-Mamba, um framework de detecção de alvos hiperespectrais de poucos disparos (few-shot) que integra um mecanismo de codificação de contexto local, um módulo Mamba piramidal para modelagem espectral multiescala eficiente e aprendizado contrastivo supervisionado para eliminar falsos negativos e alcançar um desempenho de detecção superior com o mínimo de amostras rotuladas.
LGAgent é um framework multiagente estruturado e guiado por regras que aproveita interações colaborativas entre LLMs de diversas escalas para mimetizar fluxos de trabalho jurídicos profissionais, entregando, assim, um raciocínio adjudicativo interpretável, verificável e superior em comparação com abordagens padrão de modelo único.
Este artigo apresenta o AIMAPP, uma estrutura autossupervisionada e compatível com ROS que unifica mapeamento, localização e planejamento online para robôs autônomos em ambientes desconhecidos ao utilizar a Inferência Ativa para construir dinamicamente mapas topológicos esparsos e equilibrar a exploração com a navegação direcionada a objetivos sem depender de mapas predefinidos ou pré-treinamento.
Este artigo propõe um motor de previsão híbrido de Bitcoin que integra a decomposição de sinal de camada dupla guiada por Entropia de Permutação (CEEMDAN-VMD) com uma Rede Neural Profunda otimizada por Otimização de Multi-Enxame, demonstrando um desempenho superior estatisticamente significativo em precisão e previsão direcional em comparação com modelos de linha de base e alternativas de enxame único.
Este artigo propõe um algoritmo de aprendizado de borda federado consciente de contribuição (CA-FE-MADDPG) que integra modelagem de interferência espacial, mecanismos de penalidade de grão fino e inicialização guiada por heurística para abordar a interferência de espectro, a alocação injusta de crédito e a não estacionariedade ambiental em redes massivas de IoT, melhorando significativamente o rendimento do sistema, as taxas de acesso e a qualidade de serviço.