3697 artigos
Este artigo propõe o algoritmo Adaptive Quantum-Inspired Swarm Learning (AQISL) para otimizar a seleção de cabeças de cluster em redes IoT de larga escala, reduzindo efetivamente o consumo de energia, a perda de pacotes e a latência de transmissão, ao mesmo tempo em que melhora o balanceamento de carga e a estabilidade geral da rede.
Esta revisão sistemática analisa modelos de aprendizado de máquina e aprendizado profundo aplicados a biomarcadores de fala e voz para a detecção da doença de Parkinson, destacando sua alta precisão ao mesmo tempo em que aborda desafios atuais, como o desequilíbrio de dados e a falta de generalização, e propõe direções futuras, como a integração multimodal e o aprendizado federado para implementação clínica.
Este estudo demonstra que um modelo de processamento de linguagem natural DeBERTa-v3 implantado localmente pode automatizar de forma precisa e escalável a pontuação da Qualidade da Avaliação da Aprendizagem (QuAL) de feedbacks narrativos de Atividades Profissionais Confiáveis em múltiplos programas de residência, alcançando um acordo substancial com avaliadores humanos ao mesmo tempo em que preserva a privacidade dos dados.
Este artigo propõe o CM2, um modelo de custo monetário em nuvem parametrizável para bancos de dados NoSQL baseados em documentos que estima com precisão as despesas operacionais ao analisar a interação entre o design de esquema, estratégias de indexação e padrões de consulta em ambientes serverless.
Este estudo propõe um sistema de Geração Aumentada por Recuperação Agêntica com recuperação híbrida para o planejamento orçamentário de PMEs, demonstrando, através de avaliação comparativa, que um fluxo de trabalho Agêntico Baseado em Roteamento oferece o equilíbrio ideal entre qualidade de recuperação e fundamentação factual para validação baseada em evidências.
Este artigo argumenta que, apesar do desempenho superior da IA em tarefas, ela carece da natureza incorporada, situada e reflexiva do conhecimento humano, necessitando de uma mudança nos marcos de avaliação em direção à competência epistêmica e posicionando as humanidades como o ambiente intelectual essencial para definir e testar a verdadeira inteligência geral.
Este artigo propõe uma estrutura guiada por ontologia que integra características semânticas explícitas da Citation Context and Reason Ontology (CCRO) com representações de linguagem contextual para permitir a classificação interpretável de intenção de citação, alcançando um desempenho preditivo comparável ao do SciBERT ajustado, ao mesmo tempo em que fornece trilhas de auditoria transparentes em nível de instância para a descoberta de informações acadêmicas.
Este estudo demonstra que o treinamento recursivo de IA generativa em dados clínicos sintéticos leva a um colapso preditivo rápido dentro de cinco gerações devido a uma perda de diversidade e fidelidade interseccional, em vez de uma implausibilidade ao nível do registro, ao mesmo tempo em que destaca que as métricas de alucinação existentes são frequentemente enganosas e defende a melhoria da proveniência e da avaliação de qualidade para preservar a diversidade dos dados do mundo real.
Este artigo propõe o WMGIN, um modelo de aprendizagem profunda interpretável de multi-granularidade baseado em autoatenção que processa dados QAR de múltiplas escalas por meio de estratégias de fusão em janela e em camadas para prever com precisão eventos de pouso duro, mantendo a interpretabilidade.
Este artigo propõe um modelo de Aprendizado Profundo com Atenção de Grão Fino (FGADL-MPPVP) que utiliza uma arquitetura neural residual sensível à atenção e um otimizador AdamW livre de agendamento para prever de forma precisa e interpretável a tensão do ponto de máxima potência de sistemas fotovoltaicos sob condições ambientais variáveis, superando técnicas tradicionais e de aprendizado de máquina existentes.