3657 artigos
O artigo propõe o CGH-DehazeNet, uma rede de desnebulização de imagem única leve que combina um bloco de Meia-Convolução de Agrupamento de Canais para eficiência computacional e um módulo de Fusão de Refinamento por Atenção Cruzada para supressão de artefatos, alcançando o estado da arte com apenas 1,932M de parâmetros.
Este artigo propõe um framework híbrido combinando um modelo epidêmico de segurança de dois níveis não linear com uma rede neural profunda para analisar, prever e simular eficientemente a dinâmica de propagação de malware, demonstrando alta precisão e eficiência computacional para aplicações de cibersegurança.
Este estudo demonstra que, embora um pipeline de LLM local guardado supere significativamente o prompting direto na geração de respostas corretas, suas verificações internas de consistência falham em prevenir a seleção de calculadoras clínicas inapropriadas, destacando a necessidade crítica de uma verificação de aplicabilidade separada antes da implementação.
Este artigo apresenta um mapa de evidências revelando que, embora as especificações de metadados existentes possuam a capacidade técnica de rastrear o licenciamento e a proveniência ao nível do arquivo, uma lacuna crítica persiste em sua adoção e validação através de 29 corpora de pesquisa, propondo um kit de evidências mínimo e nove recomendações acionáveis para colmatar essa divisão.
Este estudo demonstra que as saídas de probabilidade dos modelos de decisão identificam eficazmente erros em questões de exames de licenciamento médico, permitindo uma estratégia híbrida de custo eficiente onde o encaminhamento dos 20% de respostas com menor confiança para um modelo generativo mais forte aumenta significativamente a precisão geral, ao mesmo tempo que captura uma parte substancial dos ganhos potenciais disponíveis a partir de um oráculo ideal.
Este artigo demonstra que a aplicação de técnicas rigorosas de pré-processamento de dados, incluindo sobreamostragem SMOTE e seleção de atributos, a um classificador de Árvore de Decisão único melhora significativamente o recall de detecção de fraude (77,46%) em um conjunto de dados de cartões de crédito europeu desbalanceado, oferecendo uma solução computacionalmente eficiente e interpretável, apesar da baixa precisão.
Este artigo fornece uma revisão abrangente das técnicas de detecção de anomalias 3D baseadas em visão computacional, abrangendo abordagens multimodais e de nuvem de pontos, métodos agnósticos à pose, conjuntos de dados e benchmarks, enquanto analisa arquiteturas de rede, destacando desafios atuais e delineando direções de pesquisa futura para a manufatura inteligente.
Este estudo controlado demonstra que, embora o aprendizado por reforço em lote para composição heurística em etapas no strip packing offline proporcione melhorias modestas e estatisticamente significativas em relação a portfólios estáticos, seu desempenho permanece inferior à busca local orçada e oferece vantagem limitada sobre configurações estáticas bem ajustadas.
Este artigo apresenta um protótipo de software para monitoramento inteligente de tráfego utilizando YOLOv11 e um dashboard Flask, o qual, apesar de alcançar apenas um desempenho de detecção basal limitado em um conjunto de dados pequeno, serve como uma base transparente para melhorias futuras ao documentar suas capacidades atuais e notar explicitamente a ausência de integração de hardware e recursos de controle automatizado.
Este estudo implementa e avalia um sistema de geração aumentada por recuperação (RAG) para perguntas e respostas médicas utilizando o conjunto de dados MedQuAD, demonstrando que modelos de incorporação específicos do domínio, particularmente o MedCPT, superam significativamente os modelos de base de propósito geral tanto na precisão da recuperação quanto na qualidade da resposta.