3822 Arbeiten
Diese kritische Übersicht analysiert und organisiert systematisch 72 Evaluationsmetriken für Bildklassifizierung, Segmentierung und Lokalisierung, um die Auswahl komplementärer, kontextangemessener Maße zu leiten, die reproduzierbare und klinisch bedeutsame wissenschaftliche Bewertungen gewährleisten.
Diese strukturierte kritische Rezension synthetisiert jüngste Fortschritte in der Hirntumorsegmentierung, um zu argumentieren, dass das Feld seinen Fokus von inkrementeller Leaderboard-Leistung hin zu klinischer Robustheit verlagern muss, indem es Herausforderungen wie fehlende Modalitäten, Domänenverschiebungen und Annotationsunsicherheit durch ein neues Evaluierungsframework namens DATA-SEG adressiert.
Dieses Papier präsentiert ein Steuerungs- und Verifizierungssystem für Desktop-Anwendungen der Mozaik Enterprise Schrankdesign-Software, das einen zwischengespeicherten UI-Automatisierungsbaum für effiziente Interaktion sowie durch Code erzwungene Logikprüfungen zur Validierung von Design-Eingaben nutzt und vorläufige Leistungsmetriken sowie Ergebnisse aus Fehlerinjektionen berichtet, während es gleichzeitig Einschränkungen bei der Bewertung der Extraktionsgenauigkeit anmerkt.
Diese Arbeit charakterisiert quantisierte hybride Gated DeltaNet-Modelle empirisch als getriebene-dissipative dynamische Systeme, was deren Konvergenz zu stabilen Nichtgleichgewichtsfestpunkten mit endlichem Gedächtnis bestätigt, während sie gleichzeitig das Fehlen von Gleichgewichtsskalierung, scharfen Phasenübergängen und selbstorganisierter Kritikalität während der Inferenz nachweist.
Diese Studie schlägt ein quantenoptimiertes Betrugserkennungs-Framework vor, das klassische Datenvorverarbeitung mit einer auf ZZFeatureMap basierenden Quantenzustand-Kodierung und einem Quantum Support Vector Machine Klassifikator integriert, um eine Genauigkeit von 91 % bei der Identifizierung von Anomalien in Finanztransaktionen zu erreichen, was das überlegene Potenzial von Quanten-Maschinellem Lernen gegenüber konventionellen Methoden demonstriert.
Dieses Paper schlägt HLNet vor, ein hochkonfidentes, leichtgewichtiges Netzwerk für die semisupervidierte medizinische Bildsegmentierung, das dual-level Perturbationen und Evidence Inference Learning (EVIL) nutzt, um fehlerhafte Pseudo-Label-Supervision zu mildern und die Modellkomplexität zu reduzieren, wobei es mit nur 20 % gelabelten Daten eine überlegene Leistung auf öffentlichen Datensätzen erzielt.
Dieses Paper schlägt einen kategorienbewussten und zentroidengesteuerten Point Transformer vor, der auf Point Transformer v3 aufbaut, um Klassenimbalance und Grenzunschärfe bei der 3D-Ohrregionensegmentierung zu adressieren, wobei durch ein klassengesteuertes Aufmerksamkeitsmodul, eine dynamische Verlustfunktion und eine zentroidengesteuerte Nachverarbeitung eine überlegene Genauigkeit sowohl in großen als auch in winzigen Subregionen erreicht wird.
Dieses Paper schlägt eine leistungsorientierte Modifikation der YOLOv7-Inferenz-Pipeline vor, die Vorverarbeitungs- und Nachverarbeitungsoperationen auf die GPU verlagert, um die CPU-Beteiligung sowie Datentransfers zu minimieren, wodurch eine Reduktion der Inferenzzeit um bis zu 32 % bei gleichbleibender Detektionsgenauigkeit und verbesserter Effizienz für industrielle Echtzeitsysteme erreicht wird.
Dieses Paper schlägt ein neuartiges probabilistisches KI-Framework vor, das Graph Attention Networks, differenzierbaren Optimalen Transport, Reinforcement Learning und Neural ODEs integriert, um die Datenassoziation und das adaptive Radar-Scheduling für die verteilte Multi-Sensor-Verfolgung von Weltraumobjekten unter spärlichen Messregimen effizient zu lösen, wobei es traditionelle Methoden wie JPDA und MHT übertrifft und als Open-Source-Toolkit für den realen Einsatz veröffentlicht wird.
Dieses Paper schlägt HSA-PaperRank vor, ein heterogenes semantisch-strukturelles Fusionsframework, das PaperBERT-basiertes kontrastives Lernen, einen poly-tokenisierten heterogenen Graph-Transformer und ein einflussorientiertes Scoring-Modul integriert, um wissenschaftliche Arbeiten durch die gemeinsame Erfassung von textueller Semantik, komplexen relationalen Strukturen und Wissensdiffusionspotenzial effektiv zu ranken.