3854 Arbeiten
Diese Arbeit präsentiert eine Benchmarking-Studie, die fünf vortrainierte Seq2seq-Transformer-Modelle auf dem COSMMIC-Datensatz über neun indische Sprachen hinweg evaluiert, um zu zeigen, dass die Einbeziehung von Leserkommentaren und Bild-URLs neben Schlagzeilen und Inhalten die Zero-Shot-Multimodal-Summarization-Leistung signifikant verbessert.
Dieses Paper stellt RAIA vor, ein risikoadaptives Framework zur Identitätssicherung, das biometrische Kontinuität, QR-Sitzungsintegrität, rollenbasierte Autorisierung und die Lieferketten-Postur von Geräten aggregiert, um die Zugriffsrisiken für IoT-Geräte dynamisch zu verwalten, wobei es in synthetischen Simulationen eine hohe Angriffsbegrenzung und geringe gutartige Reibung demonstriert und gleichzeitig die kritische Notwendigkeit einer deployment-spezifischen Schwellenwertkalibrierung hervorhebt.
Dieses Paper schlägt ein Framework für den Musikstiltransfer vor, das bedingte Selbstaufmerksamkeit und Hypersphären-Kontrastlernen nutzt, um Inhalts- und Stilrepräsentationen effektiv zu entkoppeln und dadurch hochwertige, stilsteuerbare musikalische Ausgaben zu generieren, die die intelligente Musikerziehung unterstützen.
Dieses Paper schlägt die Dimensional Rational Multi-Agent Communication (DRMAC) vor, ein neuartiges Framework, das die Multi-Agenten-Kooperation durch die Anwendung dimensionaler Analyse verbessert, um Redundanzen und Störfaktoren in Nachrichten-Embeddings mittels Redundanz-Reduktions-Regularisierung und dynamischer Gradientenmaskierung zu mildern.
Das Papier schlägt SSRNet vor, ein robustes Framework zur Gesichtsausdruckserkennung, das ein durch Struktur-Priors geleitetes Merkmalsverbesserungsmodul mit selbstüberwachtem kontrastivem Lernen kombiniert, um reale Herausforderungen wie Rauschen und Verdeckung effektiv zu bewältigen und eine State-of-the-Art-Leistung auf den Datensätzen FER2013 und RAF-DB zu erzielen.
Dieses Paper stellt RefQA vor, einen Millionen-Skala-Datensatz aus 1,52 Millionen dokumentenübergreifenden klinischen Zitier-Evidenz-Frage-Antwort-Datensätzen, die aus PubMed Central abgeleitet wurden und strukturierte Metadaten, verifizierbare Behauptungsfundierung sowie hochwertige Annotationen zur Unterstützung der Forschung in der klinischen Zitatanalyse aufweisen.
Dieses Paper schlägt ER-Curriculum-DDQN vor, ein Deep-Reinforcement-Learning-Framework, das Feasibility-Masking, kritische Aufgabendruck-Merkmale und reservierungsgesteuertes Curriculum-Learning integriert, um das Online-Task-Offloading in UAV-MEC-Systemen über transparente LEO-Relais zu optimieren und dadurch die zeitgerechte Abschlussrate kritischer Aufgaben unter strengen Service-Fenster-Beschränkungen zu maximieren.
Dieses Papier schlägt das RYAS-LOFCN-Framework vor, welches ein Residual Atrous Squeeze Attention Network mit FPN und ein auf YOLOv12-L basierendes, mittels LightGBM optimiertes Fuzzy-CatBoost-Netzwerk integriert, um die Einschränkungen bei der Erkennung weit entfernter und visuell ähnlicher Verkehrsobjekte zu überwinden und dabei eine Genauigkeit von 98,63 % sowie eine Präzision von 98,56 % bei der Fahrzeugidentifizierung zu erreichen.
Diese Arbeit schlägt ein deployment-bewusstes Framework zur Auswahl gelernter RGB-D-Codecs in Edge-Cloud-3D-Rekonstruktionssystemen vor und zeigt auf, dass die Priorisierung expliziter Hardware- und Laufzeitbeschränkungen gegenüber der Offline-Rate-Distortion-Leistung eine praktikable Lösung liefert, die Geschwindigkeit, Speichernutzung und Rekonstruktionsqualität besser ausbalanciert als herkömmliche Hardware-Baselines.
Dieses Paper schlägt ein hybrides semantisch-lexikalisches Framework vor, das ontologiebasiertes Schließen mit NLP-gestützter lexikalischer Validierung integriert, um die kontextuelle Anomalieerkennung und die intelligente Datenkorrektur in heterogenen Textdatensätzen signifikant zu verbessern, wie durch die überlegene Leistung gegenüber traditionellen rein lexikalischen Ansätzen bei belasteten Gesundheitsdaten demonstriert wird.