3657 Arbeiten
Dieses Paper präsentiert DuoKGQA, ein neuartiges Dual-Modul-Framework, das fortschrittliche Techniken der natürlichen Sprachverarbeitung nutzt, um akademische Fragen und Programmnamen präzise zu klassifizieren und dadurch hochperformante Cypher-Abfragen für das Knowledge Graph Question Answering zu generieren.
Dieses Papier präsentiert eine transparente, reproduzierbare Machine-Learning-Pipeline, die durch die Fusion von klinisch fundierten psycholinguistischen Markern mit Standard-Textmerkmalen und den Einsatz eines interpretierbaren Ensemble-Modells eine hohe Genauigkeit (91,69 % F1) bei der Erkennung von Depressionen in bengalischer Social-Media-Kommunikation erreicht.
RAVEN ist ein Post-hoc-Framework, das die Zuverlässigkeitsvalidierung unter Verschiebungen der Datenverteilung verbessert, indem es zeigt, dass die Instabilität von Repräsentationen auf mehreren Ebenen komplementäre prädiktive Signale für die Fehlererkennung jenseits konventioneller Konfidenzwerte liefert.
Diese Arbeit präsentiert die Entwicklung und Validierung von StoneClear, einem KI-gesteuerten Computer-Vision-System, das eine hohe Genauigkeit bei der Detektion und pixelgenauen Segmentierung verbleibender Steinfragmente während der CVAC 2.0-gestützten Ureteroskopie erreicht und damit eine robuste Grundlage für die intraoperative Echtzeit-Beurteilung der Steinfreiheit schafft.
Dieses Paper stellt ein zweistufiges MiniZinc-Stundenplanmodell vor, das die enorme Reduktion des Suchraums durch strukturelle Nebenbedingungen aufzeigt, demonstriert, dass die Rechenzeit subexponentiell mit der Instanzgröße skaliert, und reale Campus-Stundenpläne auditiert, um zu zeigen, dass Doppelbelegungen von Räumen primär aus ineffizienter Zuweisung statt aus Knappheit resultieren, wodurch ein datengestützter Rahmen zur Identifizierung bereitgestellt wird, welche harte Nebenbedingungen gelockert werden sollten.
Dieses Paper stellt eine ein-datei-basierte, per pip installierbare CuPy-Implementierung vor, die eine GPU-beschleunigte 3D-Non-Local-Means-Entrauschung ermöglicht, ohne dass ein CUDA-Toolkit oder ein C++-Compiler erforderlich ist, wobei sie im Vergleich zur CPU-basierten scikit-image-Referenz eine über 100-fache Beschleunigung bei gleichbleibender Genauigkeit der Ergebnisse und interaktiver Nutzbarkeit erreicht.
Dieses Paper schlägt ein dual-stream sichtbares-Infrarot-Objekterkennungsnetzwerk vor, das eine Wavelet-basierte Merkmalsmodellierung, ein OffsetNet-Modul zur räumlichen Ausrichtung und ein SwinFusion-Modul zur modalitätsübergreifenden Merkmalsfusion integriert, um räumliche Fehlausrichtungen und Modalitätsdiskrepanzen effektiv zu adressieren und dadurch die Erkennungsgenauigkeit zu verbessern.
Diese Arbeit untersucht, wann Kontextkompaktierung Langzeit-Agenten zugutekommt, und stellt fest, dass sie zwar Kosten senken kann, indem sie teure Cache-Lesezugriffe vermeidet, aber oft die Gesamtausgaben und die Latenz erhöht, da der Overhead für die Generierung von Zusammenfassungen und das Auslösen zusätzlicher Anfragen ansteigt, wodurch sie nur dann vorteilhaft ist, wenn genügend zukünftige Arbeit verbleibt, um diese Kosten auszugleichen, und wenn die Preise für Cache-Lesezugriffe außergewöhnlich hoch sind.
Dieses Paper schlägt eine hierarchische, clientseitige Translationsarchitektur für International Patient Summary (IPS)-Viewer vor, die durch die Nutzung der strukturierten Daten von FHIR die semantische Integrität bewahrt, indem sie hochwertige Translationsquellen – von statischer Internationalisierung und Terminology-Servern bis hin zu maschineller Übersetzung – priorisiert, während sie gleichzeitig Fallback-Szenarien und Datenschutzherausforderungen in grenzüberschreitenden eHealth-Ökosystemen transparent verwaltet.
Dieses Papier schlägt CTLGNN vor, ein neuartiges Framework, das die Drift der Nutzerinteressen in der Nachrichtenempfehlung adressiert, indem es Interaktionen als Kanten-Knoten innerhalb eines kontinuierlichen zeitlichen Linien-Graphen modelliert und ein dynamisches Self-Attention-Netzwerk nutzt, um sowohl langfristige Präferenzen als auch kurzfristige Verhaltensänderungen zu erfassen, wodurch es bestehende Baseline-Modelle übertrifft.