3854 Arbeiten
Dieses Paper schlägt ein MoE-CB-Framework vor, das einen Gating-Mechanismus mit hybriden CNN-LSTM/CNN-BiGRU-Experten und einem CatBoost-Regressor integriert, um eine adaptive und intelligente dynamische Ressourcenallokation in 5G-Netzwerken mit hoher Vorhersagegenauigkeit zu ermöglichen.
Dieses Papier präsentiert ein neues, paarungsfreies, teilweise blindes, starkes Designated-Verifier-Signaturverfahren, das feingranulare Privatsphäre und Nicht-Übertragbarkeit bei geringem Rechenaufwand gewährleistet, wodurch es hochgradig geeignet für ressourcenbeschränkte Edge-Umgebungen wie IoT- und Fahrzeugnetzwerke ist.
Diese Studie schlägt einen verbesserten memetischen Algorithmus innerhalb eines Fuzzy-CPT-Frameworks vor, um die Einsatzplanung von Notfallambulatorärzten zu optimieren, indem gleichzeitig die psychische Belastung der Patienten und die Wahrnehmung der Erschöpfung der Ärzte minimiert werden, validiert durch reale Daten aus einem Krankenhaus in Shanghai während der COVID-19-Pandemie.
Dieses Paper stellt MSCE vor, ein Multi-Signal-Post-hoc-Kalibrierungsframework, das die Zuverlässigkeit von Feld-Konfidenzschätzungen bei der Extraktion von Geschäftsdokumenten durch die Fusion diverser Signale wie OCR-Qualität und Modellunsicherheit signifikant verbessert und dadurch höhere Automatisierungsraten bei strengen Präzisionsanforderungen ermöglicht.
Dieses Paper stellt SENTRY vor, ein sicheres und energieeffizientes Framework für WSN-IoT-Umgebungen, das die Ethereum-Blockchain zur dezentralen Datintegrität mit einem hybriden KI-Ansatz unter Verwendung von maschinellem Lernen und Deep Learning integriert, um Cyberbedrohungen zu erkennen und zu entschärfen, wobei es im Vergleich zu bestehenden Methoden überlegene Leistungsmetriken erzielt.
Das Papier stellt DiffSoil vor, ein leichtgewichtiges bedingtes Diffusionsmodell, das hochwertige synthetische Bodenfruchtbarkeitsdaten über verschiedene Klimaszenarien hinweg generiert, um knappe Datensätze effektiv zu erweitern und die Genauigkeit nachgeschalteter Empfehlungssysteme für Nutzpflanzen in datenarmen, klimavulnerablen Regionen signifikant zu verbessern.
Dieses Paper schlägt eine zweiphasige neuronale Konstruktionsheuristik vor, die ein Transformer-basiertes Reinforcement-Learning-Modell mit einem maßgeschneiderten Allokationsalgorithmus kombiniert, um groß angelegte Multi-Depot-Kapazitäts-Fahrplanprobleme mit Zeitfenstern für das Bodenmanagement an Flughäfen effizient zu lösen, wobei es eine überlegene Leistung gegenüber bestehenden Solvern auf realen Hub-Flughafen-Daten demonstriert.
Dieses Paper schlägt ein neuartiges neuro-symbolisches Framework vor, das einen deterministischen probabilistischen Projektionsoperator und fortschrittliche mathematische Modellierung nutzt, um Halluzinationen zu eliminieren und eine rechtlich fundierte, transparente richterliche Entscheidungsfindung zu gewährleisten, die auf dem marokkanischen Strafgesetzbuch basiert.
Dieses Paper stellt H2Profile vor, ein hybrides Framework zur Wahrung der Privatsphäre, das approximative homomorphe Verschlüsselung und sichere Mehrparteienberechnung kombiniert, um zielgerichtete Werbung mit hoher Nutzbarkeit und reduzierter Latenz zu ermöglichen, während die Vertraulichkeit auf ein halbwegs ehrliches Zwei-Server-Modell beschränkt wird.
Dieses Paper schlägt einen auf maschinellem Lernen basierenden Ansatz zur Erkennung von Anomalien in Cybersicherheits-Dienstleistungsverträgen zwischen öffentlichen Stellen und privaten Anbietern vor, wobei eine Fallstudie genutzt wird, um die Attribute zu kategorisieren und zu analysieren, die Abweichungen von etablierten rechtlichen Praktiken kennzeichnen.