2363 Arbeiten
Dieses Paper stellt SRM-UNet vor, ein leichtgewichtiges Netzwerk, das einen expliziten Struktur-Region-Prior-Kollaborationsmechanismus sowie Multi-Rezeptivfeld-Lernen einsetzt, um eine hochgenaue, ressourceneffiziente Segmentierung von Hautläsionen auf dermoskopischen Bildern mit unscharfen Grenzen und unregelmäßigen Formen zu erreichen.
Dieses Paper schlägt ein intelligentes cross-modales Alignment-Framework vor, das ein GCLAN-basiertes Text-zu-Bild-Synthesemodul und ein GQ2PHPT-basiertes Image Captioning Modul nutzt, um Kataphora-Abhängigkeiten zu modellieren, wodurch eine hochpräzise Inhaltsabfrage und -generierung mit einer Erfolgsrate von 0,9422 und einer Gesamtgenauigkeit von 98,9734 % erreicht wird.
Dieses Paper schlägt EAMF vor, ein entscheidungsorientiertes Framework, das die multimodale konversationelle Emotionserkennung verbessert, indem es komplementäre Evidenzen konstruiert, um gezielt zwischen eng beieinander liegenden, konkurrierenden Emotionsklassen zu entscheiden und dadurch eine verbesserte Leistung bei anspruchsvollen Minderheitenkategorien zu erzielen.
Das Papier schlägt CASCADE vor, ein interpretierbares adaptives cross-modales Fusionsmodul für die Szenen-Texterkennung, das einen Schwierigkeitsschätzer und einen entkoppelten Gating-Mechanismus nutzt, um visuelle und linguistische Merkmale dynamisch auszubalancieren, wodurch eine State-of-the-Art-Leistung auf mehreren Benchmarks erzielt wird, während gleichzeitig transparente Einblicke in die Entscheidungsfindung bereitgestellt werden.
Diese Arbeit zeigt auf, dass bei graphenbasierten Intrusion-Detection-Systemen für Netzwerke die Merkmale der Kanten-Gewicht-Konzentration die traditionellen Knotengrad-Metriken übertreffen, wenn Network Address Translation (NAT) mehrere Hosts zu wenigen Identitäten kollabieren lässt, was offenbart, dass diese beiden Merkmalsfamilien entlang der Identitätskollaps-Achse komplementär sind und dass ein kompakter, leckagefreier Graph-Kontext-Merkmalsatz eine nahezu baseline-entsprechende Leistung bei signifikant reduzierten Trainingskosten erzielen kann.
Dieses Paper schlägt ein intelligentes Multi-Objective-Cluster-Head-Selektionsframework für taktische drahtlose Sensornetzwerke vor, das K-Means-räumliche Clusterbildung, temporale Anomalieerkennung und Q-Learning integriert, um gleichzeitig Energieeffizienz, Sicherheit und Informationsfrische (AoI) zu optimieren, wobei es in Simulationen eine überlegene Leistung gegenüber bestehenden Methoden demonstriert.
Diese systematische Übersicht über 33 Studien zeigt, dass die auf Encodern basierende 3D-GAN-Inversion zwar eine Echtzeit-Rekonstruktion und -Editierung primär auf High-End-Hardware unter Verwendung von EG3D-basierten Architekturen ermöglicht, ihre breite Anwendung jedoch derzeit durch die Herausforderungen beim Ausgleich von Geschwindigkeit mit 3D-Konsistenz sowie durch einen Mangel an robuster geometrischer Evaluierung über Frontalgesicht-Datensätze hinaus begrenzt wird.
Dieses Papier führt die Fairness Hazard Analysis (FHA) ein und validiert sie empirisch als eine strukturierte Methodik zur systematischen Identifizierung und Minderung von Fairness-Gefahren in soziotechnischen Prozessen während der Anforderungsanalyse, wobei es deren praktische Wirksamkeit durch Fokusgruppen und eine Multikasusstudie in organisationalen Kontexten nachweist.
Dieses Paper schlägt EduReview-QE vor, ein glaubwürdigkeitsbewusstes und erklärbares Multi-Kriterien-Framework, das verrauschte Online-Rezensionen durch die Zerlegung der Rezensionen in Aspekt-Sentiment-Einheiten, die Filterung nach Glaubwürdigkeit und zeitlicher Relevanz sowie die Aggregation von dimensionsspezifischen Scores mittels Entropie-/CRITIC-Gewichtung und TOPSIS-Kalibrierung in diagnostische Belege für die Lehrreform transformiert, um eine überlegene Evaluationsleistung zu erzielen.
Dieses Paper schlägt eine leichtgewichtige adaptive Fusionsstrategie vor, die die Erkennung von Zero-Day-Angriffen im industriellen IoT durch die Kombination von Closed-World-Klassifikatoren und unüberwachten Open-Set-Detektoren signifikant verbessert und dabei eine überlegene Leistung gegenüber etablierten Baselines demonstriert, während gleichzeitig Einschränkungen bei der Datensatz-übergreifenden Übertragbarkeit eingeräumt werden.