3657 artigos
Este artigo explora o campo da recuperação de texto-multimídia, examinando metodologias como fusão multimodal e aprendizagem profunda para superar desafios como o hiato semântico e a escalabilidade na recuperação de conteúdo multimídia utilizando consultas em linguagem natural.
Esta revisão rápida de escopo de 69 estudos de IA e ML em ambientes de cuidados de idosos revela que as práticas atuais de relato priorizam o desenvolvimento técnico de modelos em detrimento de considerações essenciais em nível de sistema, tais como validação externa, quantificação de incerteza e detalhes de implementação contextual, sugerindo que as diretrizes existentes de IA médica são insuficientes para as complexidades do cuidado de idosos.
Este estudo demonstra que a integração do armazenamento autenticado AES-256-GCM com criptografia totalmente homomórfica permite a inferência de aprendizado de máquina segura e de ponta a ponta com perda mínima na precisão preditiva, apesar da sobrecarga computacional significativa em comparação ao processamento em texto simples.
Este estudo introduz o DamageArbiter, um framework de arbitragem multimodal que aumenta a precisão e a confiabilidade da avaliação de danos por desastres baseada em visão de rua ao alavancar um metaclassificador para resolver divergências de modelos, melhorando significativamente o desempenho de classificação e reduzindo erros de excesso de confiança em comparação com as linhas de base unimodais e multimodais existentes.
Este estudo demonstra que modelos de sobrevivência de kernel quântico para recorrência de câncer de mama podem ser exatamente explicados via valores de Shapley devido à sua codificação de poucos qubits, ao mesmo tempo em que revela que seu desempenho preditivo é estatisticamente comparável aos kernels de base radial clássicos e robusto ao ruído, sugerindo que seu principal valor prático reside na interpretabilidade em vez de uma precisão superior.
Este artigo propõe o RDC-MOEA, um algoritmo evolutivo multiobjetivo restrito assistido por decodificador de raio, que otimiza simultaneamente a ativação de sensores e o consumo de energia para cobertura de barreira forte probabilística em redes de sensores sem fio multimídia, ao evoluir padrões de ativação binários e utilizar um decodificador especializado para construir raios de detecção adaptativos, alcançando assim um desempenho e robustez superiores em comparação com variantes existentes.
Este artigo propõe o DDI-VO, uma nova arquitetura de odometria visual monocular de ponta a ponta que unifica métodos densos e esparsos por meio de um mecanismo de atenção ciente da geometria e aprendizado curricular geométrico para alcançar robustez superior em condições desafiadoras, mantendo simultaneamente uma precisão competitiva.
Este estudo propõe um framework de aprendizado federado auditável que mantém alta acurácia e escores F1 para classificação multimodal de tumores cerebrais sob estressores clínicos realistas, como desvio de rótulos e abandono de clientes, ao mesmo tempo em que introduz auditoria de pesos em nível de rodada para fornecer visibilidade forense sobre a evolução do modelo que métricas convencionais não alcançam.
Este artigo propõe uma metodologia sistemática utilizando delineamento experimental D-ótimo e otimização de Pareto para desenvolver CNNs de convolução separável por profundidade altamente eficientes e leves que alcançam precisão de estado da arte no reconhecimento de gestos manuais baseados em sEMG, reduzindo drasticamente os custos computacionais para implantação em sistemas embarcados com recursos limitados.
Este artigo propõe um esquema de ocultação de dados reversível de alta capacidade para imagens criptografadas que combina criptografia afim por bloco com um preditor adaptativo de vizinho único para preservar o espaço de embutimento enquanto embaralha a variância do bloco, alcançando assim taxas de embutimento significativamente mais altas e eliminando a necessidade de separabilidade baseada em variância em comparação com os métodos existentes.