2363 Arbeiten
Dieses Paper schlägt AMS-Net vor, eine leichtgewichtige MobileNetV3-Small-Architektur, die durch ein neuartiges Low-Complexity Spatial Self-Attention Modul und eine dynamische Transfer-Learning-Strategie erweitert wurde, welche eine überlegene Echtzeit-Klassifizierungsgenauigkeit und Effizienz auf ressourcenbeschränkten Edge-Geräten erreicht.
Diese Studie konstruiert einen Rahmen zur Identifizierung und Analyse semantischer Relationen zwischen Algorithmen-Entitäten in NLP-Volltextpapieren und zeigt auf, dass SciBERT bei der Extraktion von Relationen herausragt, während das Feld expandierende, sich vertiefende und sich schnell entwickelnde Interaktionsnetzwerke aufweist, die von Vergleichsbeziehungen dominiert werden.
Dieses Paper präsentiert ein leichtgewichtiges kryptografisches Heartbeat-Protokoll für Roboterschwärme, das die Authentizität und Integrität von Nachrichten in verteilten Edge-Computing-Systemen unter Verwendung ausschließlich von Zeitsynchronisation und Hash-Funktionen gewährleistet, während es eine geringe Latenz, minimale Speicheranforderungen und Robustheit gegenüber Netzwerkanomalien auf Raspberry Pi 5-Hardware demonstriert.
Dieses Paper schlägt ein datenschutzwahrendes, Blockchain-integriertes Federated-Learning-Framework vor, das NLP und Deep-Learning-Modelle, insbesondere BiLSTM, nutzt, um mehrsprachiges Cyberbullying in Englisch, Bangla und Banglish zu erkennen, während gleichzeitig Datensicherheit und Nutzerprivatsphäre gewährleistet werden.
Dieses Paper stellt LavaCrack_PT vor, ein auf Transformern basierendes Modell, das eine robuste 3D-Risserkennung in unstrukturierten Lavaröhren-Punktwolken unter Verwendung von LiDAR-Daten aus der Xianren-Höhle erreicht und somit einen validierten Workflow für die strukturelle Bewertung und die zukünftige lunare Untergrundexploration bereitstellt.
Diese Arbeit zeigt auf, dass standardmäßige numerische Integrationsverfahren höherer Ordnung oft nicht ihre theoretischen asymptotischen Konvergenzraten erreichen, wenn sie auf neuronale Netzwerkfunktionen angewendet werden, wobei eine theoretische Fehleranalyse und experimentelle Validierung im Kontext des Lernens von Eulerscher Elastica zusammen mit vorgeschlagenen Minderungsstrategien bereitgestellt werden.
Dieses Paper stellt SonoReasoner vor, ein Ultraschall-Vision-Language-Modell, das die diagnostische Leistung und Konsistenz durch die explizite Formulierung der Interpretation als hierarchische klinische Argumentation verbessert, unterstützt durch den SonoFlow-1M-Korpus, den 7-Millionen-Skala-großen SonoCorpus-Reasoning-Datensatz und den von Klinikern kuratierten SonoVQA-Benchmark.
Dieses Papier schlägt SLS-DNANet vor, ein neuartiges Deep-Learning-Framework, das ein Multi-Scale Spatial Attention Modul und eine Scale and Location-Sensitive Loss-Funktion integriert, um die Detektionsgenauigkeit signifikant zu erhöhen und Fehlalarme für kleine Infrarotziele mit geringer Pixelbelegung und Skalenvariationen erheblich zu reduzieren.
Dieses Paper schlägt GSE-SFD vor, ein Framework für gruppierte selektive föderierte Destillation, das Out-of-Distribution-Filterung, Schwellenwert-Secret-Sharing und Anomalieerkennung integriert, um gleichzeitig eine hohe Genauigkeit, Robustheit gegenüber Client-Abbrüchen und Poisoning-Angriffen sowie einen verbesserten Datenschutz in ressourcenbeschränkten Edge-Umgebungen zu erreichen.
RubriQ ist ein skalierbares, HPC-gesteuertes Framework, das rubrikgestützte Group Relative Policy Optimization (GRPO) nutzt, um die Synthese von Quantenschaltkreisen zu automatisieren, welche gleichzeitig algorithmische Korrektheit, die Minimierung der Surface-Code-Kosten und Hardwarebeschränkungen der aktuellen Ära erfüllen.