Este artigo apresenta um modelo de disponibilidade estocástica projetado por meio de uma Rede de Petri Estocástica (SPN) que considera o envelhecimento dos satélites, oferecendo suporte ao planejamento de infraestrutura ao integrar considerações de manutenção programada e não programada.
Neste artigo, propomos os primeiros algoritmos baseados em kernel que podem aprender o hiperparâmetro de largura do kernel gaussiano automaticamente para coagrupamento rígido e fuzzy.
Neste estudo, propomos uma estrutura AMC robusta baseada em redes neurais bayesianas (BNN) para mitigar o impacto de ataques adversários
Este trabalho propõe a estrutura Meta-learning for Imbalanced Regression (Meta-IR), que diverge da literatura existente ao treinar metaclassificadores para recomendar o melhor pipeline composto pela estratégia de reamostragem e modelo de aprendizagem por tarefa de forma zero-shot.
Diante das crescentes necessidades computacionais do aprendizado de máquina, os desenvolvedores criaram ferramentas de geração de relatórios de energia e carbono para calcular e comunicar o impacto ambiental de seus modelos. Este trabalho as analisa de forma crítica e sistemática em relação ao seu conteúdo, forma e processo de design.
Este estudo se concentra em investigar e descobrir a vulnerabilidade dos classificadores de modulação modernos às ameaças adversárias.
Este artigo analisa a NS habilitada por Inteligência Artificial e seu uso potencial em infraestruturas atuais e futuras.
Este artigo propõe o Meta-Scaler, que usa meta-aprendizagem (MtL) para construir metamodelos para selecionar automaticamente o melhor ST para um determinado conjunto de dados e algoritmo de classificação.
Outubro, 2024 Paulo Borba DOI: 10.1145/3691620.3695483 ASE ’24: Proceedings of the 39th IEEE/ACM International Conference on […]
Outubro, 2024 Leopoldo Teixeira DOI: 10.1145/3691620.3695490 ASE ’24: Proceedings of the 39th IEEE/ACM International Conference on […]
Sobre este site

Portal institucional do Centro de Informática – UFPE

Encontre-nos

Endereço
Av. Jornalista Aníbal Fernandes, s/n – Cidade Universitária.
Recife-PE – Brasil
CEP: 50.740-560

Horário
Segunda–Sexta: 8:00–18:00