1017 artigos
Este estudo propõe uma rede neural convolucional híbrida orientada à orientação que integra filtros de borda e textura artesanais com características de aprendizado profundo para aumentar a robustez do reconhecimento facial sem contato contra variações de pose, iluminação e oclusão, alcançando pontuações F1 melhoradas em três conjuntos de dados de referência.
Este artigo investiga como a divulgação de identidade e os desajustes cross-linguais introduzem cinco mecanismos distintos de viés na revisão por pares de LLM para LLM, demonstrando, por meio de experimentos multimodelo, que as pontuações autorreportadas são indicadores não confiáveis da estabilidade do auditor e necessitam de análise qualitativa independente do texto justificativo.
Este artigo identifica e quantifica o "Pensamento de Grupo Algorítmico" (Algorithmic Groupthink), um fenômeno no qual sistemas de LLM multiagentes perdem diversidade semântica ao compartilhar trabalho intermediário, e demonstra que esse problema de tempo de inferência pode ser efetivamente mitigado por meio de instruções específicas ao nível de prompt sem comprometer a qualidade da saída.
Este artigo propõe uma arquitetura de Gêmeo de Cadeia de Suprimentos Cognitivo integrando Gêmeos Digitais com Aprendizado por Reforço Multiagente para aumentar autonomamente a resiliência da cadeia de suprimentos contra interrupções geopolíticas em economias emergentes, demonstrando, por meio de simulações, que esta abordagem supera significativamente os métodos tradicionais na manutenção da continuidade operacional, na redução do tempo de recuperação e na diminuição de custos dentro do contexto específico do Peru.
Este artigo propõe o QBK-ProtoNet, um framework de detecção de deepfake interpretável que aproveita protótipos de covariância biocinemática calibrados por qualidade para identificar robustamente vídeos manipulados através de condições degradadas e domínios não vistos, ao medir inconsistências fisiológicas e temporais contra evidências autênticas e manipuladas aprendidas.
Este artigo introduz o EVE, uma unidade neural distributiva que trata estados ocultos como latentes variacionais locais, e demonstra, através de um protocolo de congelamento de posterior, que uma leitura de ramo-medoide livre de oráculo pode decodificar efetivamente este estado latente para melhorar a precisão e a cobertura de previsões multimodais sem retreinamento.
Este estudo propõe um modelo híbrido de Random Forest–ANN treinado em 450 projetos de construção peruanos que alcança 91,20% de precisão na valoração dinâmica de custos, reduzindo significativamente os erros de previsão e o viés geográfico, ao mesmo tempo em que oferece um caminho viável para a integração nos marcos de gestão de infraestrutura pública do Peru.
Este artigo revisa a evolução das arquiteturas U-Net para segmentação de imagens médicas, destacando suas cinco variantes principais, a integração com técnicas avançadas como GANs e aumento de dados, e otimizações para eficiência e transparência que coletivamente aumentam a precisão e a aplicabilidade clínica no diagnóstico de doenças e no planejamento de tratamento.
Este artigo demonstra que a exploração do verificador na refinação iterativa guiada por NLI é uma vulnerabilidade arquitetural inerente a loops de feedback de métrica única, em vez de um artefato de otimização, mostrando como um pipeline livre de treinamento e de gradiente zero pode degradar sistematicamente a fidelidade enquanto infla as pontuações de NLI através de truncamento de conteúdo, e propõe um protocolo de detecção universal e sem anotação para identificar tais riscos estruturais.
Este artigo propõe o Dyna-FractureNet, um novo framework que utiliza Aprendizado por Reforço Multiagente Cooperativo para selecionar dinamicamente conjuntos de modelos ideais e coordenar mecanismos de atenção de múltiplos níveis, aumentando significativamente a precisão, a robustez e a eficiência da detecção de fraturas em diversas regiões anatômicas em imagens de raio-X.