3657 artigos
O artigo propõe o RGDRec, um framework de recomendação social que mitiga o impacto negativo de conexões sociais ruidosas ao estimar a confiabilidade da relação para guiar o de ruído estocástico de grafos e ao empregar aprendizagem contrastiva cross-domain para alinhar representações sociais e de interação, aumentando, assim, o desempenho e a robustez da recomendação.
Este levantamento sintetiza sistematicamente metodologias de dados, algoritmos, generativas e de aprendizado autossupervisionado para detecção de anomalias sob desequilíbrio extremo de classes em cinco setores de alto risco, enquanto expõe criticamente falhas de avaliação e delineia desafios fundamentais para orientar pesquisas futuras.
Este estudo avalia quatro modelos de aprendizado profundo para identificação de raças de cães em dispositivos móveis e identifica o MobileNetV2 como a escolha ideal, alcançando um equilíbrio entre precisão de classificação, velocidade de inferência e tamanho do modelo, ao mesmo tempo em que demonstra com sucesso a implementação em tempo real em um aplicativo Android offline.
Este artigo apresenta o framework MIDAS para demonstrar que, em pequenos Vision Transformers para categorização visual de grão fino, as estratégias de poda de tokens otimizadas para cobertura de partes (preservando detalhes do objeto) e fidelidade (explicando decisões do classificador) se desacoplam fundamentalmente, o que significa que melhorias em uma métrica não garantem melhorias na outra.
Este artigo apresenta o \ours, um framework de transporte de verificação que transforma a regressão simbólica baseada em modelos de linguagem de grande escala em um processo rigoroso ao executar o raciocínio de cadeia de pensamento como um Grafo de Derivação Simbólica tipado, impondo restrições rígidas e sinais de verificação suaves para produzir leis físicas compactas e verificáveis por máquina com traços de derivação executáveis.
Este artigo propõe um framework de fusão multissensorial robusto para sistemas autônomos que aproveita a codificação de par diferencial e uma estratégia de tolerância a falhas de três níveis para mitigar defeitos de hardware de memristores, superando significativamente os métodos existentes em precisão sob altas taxas de falha, ao mesmo tempo em que possibilita a implantação eficiente em borda em tempo real.
Este artigo propõe o TRACE, um framework multiagente que aprimora o Questionamento de Grafos de Conhecimento por meio do diagnóstico e reparo dinâmicos de planos de raciocínio de LLMs através de recuperação e verificação de evidências direcionadas, mitigando assim alucinações e melhorando a precisão em relação às abordagens estáticas existentes.
O LAC-Net aprimora a detecção de defeitos em superfícies de aço ao integrar um módulo de atenção leve e uma estratégia de reponderação consciente de categorias ao YOLOv11, alcançando um desempenho superior no conjunto de dados de cauda longa GC10-DET por meio de um melhor tratamento de defeitos tênues e desequilíbrio de classes, embora sua eficácia varie dependendo da distribuição de dados específica.
Este artigo apresenta o ARES, um framework multiagente autônomo que integra Grandes Modelos de Linguagem ajustados e aprendizado por reforço para superar ferramentas tradicionais na descoberta de vulnerabilidades complexas em aplicações web por meio de red-teaming adaptativo e ético.
Este artigo propõe e valida um framework integrado combinando a teoria dos jogos quânticos de Eisert–Wilkens–Lewenstein, a otimização QAOA aprimorada por regularização inspirada em Ramanujan e o aprendizado por reforço multiagente modulado por Rogers–Ramanujan para melhorar significativamente a resiliência da cadeia de suprimentos e os payoffs de equilíbrio em comparação com abordagens clássicas.