3729 artigos
Este artigo propõe uma arquitetura híbrida quântico-clássica paralela e eficiente em parâmetros para classificação de imagens que utiliza um extrator de características clássicas compartilhado e múltiplas ramificações quânticas com diversas estratégias de codificação e topologias de emaranhamento para alcançar precisão competitiva em conjuntos de dados MNIST, CIFAR-10 e imagens térmicas.
Este artigo introduz um framework de Dinâmica Reduzida Neural (NRD) que aprende abstrações de estado relevantes para o controle para permitir o aprendizado por reforço de alto rendimento, treinando políticas em um modelo quatro ordens de magnitude mais rápido do que simuladores de alta fidelidade que transferem efetivamente para tarefas robóticas complexas através de diversos terrenos sem degradação de desempenho.
Este artigo propõe o PBAC-ZTA, um framework de controle de acesso baseado em polinômios e adaptável à confiança para ambientes de nuvem Zero-Trust que integra autorização contínua, revogação dinâmica e detecção de anomalias comportamentais para superar modelos tradicionais em escalabilidade, segurança criptográfica e eficiência na tomada de decisão em tempo real.
Este artigo apresenta um modelo de Defesa Bayesiana Dinâmica Consciente do Tipo de Ataque (ATA-DBD) que aprimora um jogo de soma não nula de três níveis ao distinguir entre ataques de força bruta e injeção de SQL por meio de estruturas de recompensa separadas e um processo dinâmico de atualização de crenças, demonstrando sucesso de defesa, eficiência de recursos e utilidade superiores em comparação com estratégias estáticas e agrupadas em simulações controladas.
Este artigo apresenta um estudo de caso computacional auditando um fluxo de trabalho de descoberta de fármacos por agentes de IA para o SMPD1, demonstrando como a revisão adversarial expôs erros críticos que alteraram conclusões centrais e destacando as limitações dos atuais mecanismos de autorrevisão, ao mesmo tempo em que fornece um protocolo de auditoria reutilizável em vez de um candidato a fármaco validado.
Este artigo propõe a Spatial-Gradient-Frequency Fusion Network (SGFF-Net), uma estrutura de detecção de deepfake multidomínio que integra características espaciais, de gradiente e de frequência para aumentar a generalizabilidade entre diversos geradores, ao mesmo tempo em que destaca que, apesar da melhoria na transferibilidade através de treinamento de múltiplas fontes e aumento de dados, lacunas de domínio significativas persistem em cenários do mundo real.
Este artigo identifica e quantifica uma falha crítica no treinamento de LLMs aumentados por ferramentas, onde as políticas padrão de construção de sequências rompem o vínculo entre os alvos do assistente e suas observações de origem da ferramenta, e propõe estratégias de reconstrução que melhoram significativamente a cobertura de supervisão e a integridade do contexto, ao mesmo tempo em que reduzem a redundância de tokens.
Este artigo aborda a "lacuna de refutação" na síntese de programas ao introduzir um pipeline certificado que gera e verifica provas DRAT para alegações de otimalidade em programas lineares mínimos de linha reta sobre GF(2), validando formalmente 121 resultados anteriormente não certificados, ao mesmo tempo em que expõe obstáculos críticos de verificação e artefatos autodescobertos.
Este estudo demonstra que um pipeline de modelo de linguagem de grande escala auditável pode apoiar efetivamente revisões sistemáticas de literatura ao alcançar alta concordância com especialistas humanos na triagem e extração de dados, destacando-se particularmente em campos complexos, ao mesmo tempo em que evidencia desafios específicos com questões binárias relativas a informações não relatadas.
Este artigo apresenta um sistema de aprendizagem profunda multitarefa que integra quatro modelos CNN especializados em um pipeline sequencial para a triagem automatizada de resíduos, o qual foi validado por meio de testes estatísticos rigorosos e implementado em um protótipo físico de lixeira inteligente desenvolvido em colaboração com a Nestlé e a Dawar, alcançando 92,4% de precisão em dados regionais do mundo real.