AugDiff : Augmentation de caractéristiques basée sur la diffusion pour l'apprentissage multi-instances dans les images de lame entière

Sciences de l'information, Informatique, Intelligence artificielle, Médecine, Oncologie,
augmentation de caractéristiques   modèle de diffusion   apprentissage multi-instances   image de lame entière   pathologie computationnelle   apprentissage profond   génération d'images  

Augmentation Basée sur les Modèles de Diffusion : Une Nouvelle Approche pour l’Apprentissage Multi-Instances sur des Images Entières en Pathologie Contexte Scientifique et Motivation Dans le domaine de la pathologie computationnelle (computational pathology), l’analyse efficace des images entières de lames histopathologiques (Whole Slide Images, WS...

Détection de communautés dirigées d'ordre supérieur par un cadre évolutif multiobjectif

Sciences de l'information, Informatique, Intelligence artificielle,
détection de communautés d'ordre supérieur   réseaux dirigés   flux d'information   optimisation multiobjectif   topologie de réseau   algorithme évolutionnaire   densité de motifs  

Détection dirigée de communautés d’ordre supérieur par un cadre évolutif multiobjectif Contexte et motivation de la recherche Dans le domaine de la science des réseaux complexes, la structure communautaire est l’une des caractéristiques essentielles des recherches sur les réseaux. Ces structures sont omniprésentes dans de nombreux réseaux réels, te...

Sélection de caractéristiques rentable pour l'apprentissage fédéré horizontal

Sciences de l'information, Informatique, Intelligence artificielle,
Apprentissage fédéré   Sélection de caractéristiques   Optimisation multiobjectif   Information mutuelle   Clustering  

Nouvelle méthode de sélection de caractéristiques efficace pour l’apprentissage horizontal fédéré Fond de recherche L’apprentissage fédéré horizontal (Horizontal Federated Learning, HFL) est une approche émergente dans l’apprentissage automatique distribué visant à protéger la confidentialité des données. Dans le cadre du HFL, chaque client partage...

Apprentissage sans modèle interne versus apprentissage avec récompenses externes dans des environnements à information limitée

Sciences de l'information, Informatique, Intelligence artificielle,
Apprentissage par renforcement   Perte d'information   Apprentissage antagoniste   Attaques de brouillage   Prise de décision autonome  

Analyse d’une publication scientifique : Comparaison entre apprentissage sans modèle propre et apprentissage avec récompenses externes dans des environnements à contraintes d’information Contexte & Motivation Les systèmes cyber-physiques (Cyber-Physical Systems, CPS) sont largement utilisés dans des domaines clés tels que les véhicules autonomes, l...

Génération et détection d'attaques d'évasion par injection de fausses données adverses dans les réseaux électriques intelligents basées sur des graphes spatio-temporels

Ingénierie, Génie électrique, Sciences de l'information, Informatique, Intelligence artificielle,
réseaux électriques intelligents   attaques par injection de fausses données   attaques adverses   graphes spatio-temporels   réseaux de neurones graphiques   apprentissage automatique   cybersécurité  

Génération et détection d’attaques d’injection de fausses données adversariales dans les réseaux intelligents à l’aide de graphes spatio-temporels Contexte et Introduction Les réseaux intelligents modernes, en tant que systèmes cyber-physiques (Cyber-Physical Systems, CPS), sont vulnérables aux cyberattaques en raison de leur interconnexion et du v...

Système d'apprentissage large sensible aux coûts basé sur un noyau simplifié pour le diagnostic de défauts déséquilibrés

Ingénierie, Génie mécanique, Sciences de l'information, Informatique, Intelligence artificielle,
diagnostic de défauts   données déséquilibrées   système d'apprentissage large   apprentissage sensible aux coûts   mappage de noyau  

Titre de l’article Système simplifié d’apprentissage large sensible au coût basé sur le noyau pour le diagnostic de pannes déséquilibré Contexte et Importance Avec l’avènement de l’industrie 4.0, l’analyse des mégadonnées industrielles joue un rôle crucial dans la production intelligente. En exploitant les informations pertinentes des données, il e...