974 artigos
Este artigo propõe o ADEST-U-Net, uma arquitetura de duplo codificador que aproveita a transferência de aprendizado entre órgãos e modalidades de modelos de tumores cerebrais de RM para melhorar significativamente a precisão da segmentação de tumores hepáticos e reduzir falsos positivos em exames de TC sob condições de escassez de dados.
Este artigo apresenta uma estrutura de IA generativa de cinco agentes que integra análise técnica, fundamentalista e de sentimento com detecção de anomalias e raciocínio baseado em LLM para fornecer previsões do mercado de ações explicáveis e conscientes de confiança para ações indianas, alcançando 72% de acurácia direcional e 78% de consenso entre os agentes.
Este artigo apresenta uma estrutura de software para o gerenciamento de escalas antropocêntrico em ambientes educacionais da Indústria 5.0 que integra otimização consciente do cronotipo, ponderação adaptativa de critérios e suporte à decisão inteligente para melhorar significativamente a qualidade dos horários, o bem-estar dos estudantes e os resultados acadêmicos, garantindo simultaneamente a equidade entre todos os grupos de participantes.
Este artigo apresenta o AgileOps Agentic Framework (AAF), um sistema de suporte à decisão multiagente que integra raciocínios especializados de DevOps, SRE, FinOps e DevSecOps com análise explicável e fundamentada em evidências para ajudar Gerentes de Projeto a interpretar telemetria operacional fragmentada em recomendações de governança acionáveis, validadas por meio de cenários controlados e benchmarks de microsserviços do mundo real.
Este artigo apresenta o SWIFT, um framework de caixa branca e livre de gradiente que injeta cirurgicamente vetores de direção esparsos nas camadas críticas profundas de Grandes Modelos de Linguagem alinhados para restaurar capacidades suprimidas com alta auditabilidade, reversibilidade e localidade, alcançando um desempenho próximo ao de ajuste fino totalmente supervisionado em menos de 10 segundos enquanto modifica menos de 1% dos parâmetros.
Este artigo propõe o LADMF, um framework unificado que integra o raciocínio de grafos de conhecimento aumentado por LLM com fusão multimodal desentranhada e atenção causal contrafactual para melhorar significativamente a precisão da previsão de conversão no e-commerce e gerar explicações legíveis por humanos e fiéis.
Este artigo apresenta uma análise sistemática camada por camada de modelos IndoBERT ajustados para a detecção de desinformação em indonésio, revelando uma evolução representacional consistente de três fases onde características críticas relacionadas a fake news são formadas em camadas intermediárias e consolidadas em camadas superiores, ao mesmo tempo em que destaca papéis funcionais distintos entre as representações [CLS] e de média agrupada (mean-pooled).
Este artigo propõe o DLMC_Net, um novo framework de aprendizado profundo que combina uma CNN customizada, um módulo de autoatenção adaptativa e o Borderline SMOTE para alcançar uma precisão de estado da arte (99,92%) na classificação de malware multiclasse usando imagens de bytecode, superando significativamente os modelos de linha de base estabelecidos.
Este artigo apresenta uma estrutura de agentes generativos que simula e quantifica com sucesso o fenômeno do "Quiet Quitting", revelando que, embora as estratégias de comprometimento reduzam significativamente as intenções de rotatividade, sua eficácia é criticamente moderada pelos traços de personalidade dos funcionários, estabelecendo, assim, um campo de testes computacional para a gestão de crises direcionada com precisão.
Este artigo demonstra que as instruções em linguagem natural são frágeis sob requisitos operacionais ocultos, revelando que, embora o prompting genérico falhe em satisfazer restrições omitidas, o desempenho melhora significativamente quando essas restrições são explicitamente elicitadas e executadas.