3657 artigos
O SENTINEL-GNSS é uma rede Transformer-LSTM que classifica proativamente a degradação do sinal GNSS para 5, 15 e 30 segundos no futuro com alta precisão e baixa latência, superando significativamente os baselines existentes tanto em avaliações in-domain quanto zero-shot para fornecer avisos antecipados acionáveis para a integridade da navegação autônoma.
Este artigo introduz e valida o Drift-Aware Governance-as-Code (DAGA), um modelo de controle de autoridade em tempo de execução que reduz significamente as violações de política em operações de nuvem agentes ao certificar dinamicamente o estado da infraestrutura e aplicar limites de bloqueio quando a divergência observada excede os limites de confiança definidos, sem dificultar indevidamente as ações de recuperação necessárias.
Esta dissertação apresenta um sistema de LLM multiagente que automatiza a avaliação do Índice de Maturidade de Dados Abertos ao atingir 70,1% de precisão em relação às respostas oficiais de 2025 por meio de um fluxo de trabalho colaborativo de pesquisa, verificação e adjudicação, ao mesmo tempo em que destaca a necessidade de reformular o questionário para priorizar evidências de fácil descoberta em vez de práticas autorrelatadas para superar as limitações dos dados da web aberta.
Este artigo introduz o QIADE, uma estrutura de Evolução Diferencial adaptativa inspirada em computação quântica, aprimorada com memória de elite e refinamento local, que demonstra desempenho superior sobre os algoritmos padrão DE e PSO na resolução de instâncias do Problema do Caixeiro Viajante ao equilibrar efetivamente exploração e explotação.
Este artigo propõe o Failure-Aware Adaptive Inference (FAAI), um framework que aumenta a confiabilidade de agentes de LLM de longo horizonte ao ativar adicionalmente o raciocínio de forma seletiva apenas para ações de risco com base em sinais históricos de falha, melhorando assim o sucesso da execução e a eficiência em comparação com estratégias uniformes de inferência.
Este artigo apresenta um circuito quântico inédito e totalmente implementável para classificação k-vizinhos mais próximos multiclasse que elimina a dependência de primitivas hipotéticas como memória quântica RAM ou oráculos ao utilizar superposição, uma rede borboleta de portas SWAP controladas e análise de fidelidade geométrica para alcançar comparações precisas de execução única com custos operacionais explicitamente declarados.
Este artigo propõe um framework otimizado de múltiplos estágios para detecção de retinopatia diabética que integra o Algoritmo de Otimização do Lobo Cinzento Melhorado para o realce de imagem, o Algoritmo de Otimização de Baleia Melhorado para segmentação de lesões, a Colônia de Abelhas Artificial Melhorada para seleção de características e a Máquina de Vetores de Suporte Difusa Melhorada para classificação, alcançando uma acurácia superior de 98,55% e um desempenho estatisticamente significativo em todos os estágios de processamento.
Este artigo propõe o Isolated Hierarchical Transformer (IHT), uma nova arquitetura que mitiga o emaranhamento de características e o desequilíbrio de classes na classificação de estilos de condução ao impor mecanismos de atenção fisicamente isolados e integrar a Perda Contrastiva Supervisionada, alcançando, assim, o estado da arte em dados reais de barramento CAN.
Este artigo propõe uma estrutura de criptografia de imagem não supervisionada e leve que utiliza características estatísticas derivadas de PCA para modular adaptativamente os parâmetros de mapas caóticos e aprimorar fluxos de chave por meio de hashing criptográfico, alcançando uma proteção adaptável ao conteúdo com alta eficiência computacional e interpretabilidade para aplicações com recursos limitados.
Este estudo apresenta um framework de classificação em larga escala para grãos de café torrados utilizando um conjunto de dados recém-criado de 8.417 imagens, demonstrando que modelos de aprendizado profundo, particularmente o EfficientNet-B0, alcançam uma precisão quase perfeita (99,86%) ao distinguir quatro variedades principais e oito subtipos de Arábica, superando abordagens tradicionais de aprendizado de máquina e híbridas.