3857 Arbeiten
Diese bibliometrische Analyse von fast 3 Millionen Open-Access-Biomedizin-Artikeln zeigt einen signifikanten Anstieg der mit LLMs assoziierten Terminologie nach 2022 auf, was die rasche Einführung generativer KI-Werkzeuge verdeutlicht und die dringende Notwendigkeit von Transparenz und Detektionsmethoden hervorhebt, um die wissenschaftliche Integrität zu bewahren.
Dieses Paper schlägt ein klassifikationsbewusstes und auf DSIS ausgerichtetes Pfadeditierungs-Framework basierend auf der Theorie der Netzwerkwelle vor, das drahtlose Multi-Hop-Routen durch strategisches Ersetzen, Einfügen oder Löschen von Relais optimiert, um Interferenzabstände zu minimieren und den Durchsatz oder die Verzögerung zu verbessern, während strikte Ressourcen- und Strukturvorgaben eingehalten werden.
Diese Studie schlägt ein erklärbares multimodales Framework vor, das diverse Verhaltens- und psychologische Daten mit einem Dual-Attention-Mechanismus und XGBoost integriert, um dynamisch die Risiken einer Kurzvideo-Sucht bei Jugendlichen sowie deren negative Auswirkungen auf Schlaf, Akademisches, Emotionen und soziale Anpassung vorherzusagen.
Diese Studie nutzt groß angelegte Umfragedaten chinesischer Forscher, um die Unified Theory of Acceptance and Use of Technology durch maschinelles Lernen zu erweitern und drei unterschiedliche GenAI-Nutzerprofile zu identifizieren – „Pionier-Entdecker“, „Pragmatische Bewältigungsnutzer“ und „Entfremdete Nutzer“ –, die aufzeigen, wie akademischer Status, institutioneller Druck und ethische Bedenken divergente Adoptionsmuster im Kontext von KI für die Wissenschaft prägen.
Diese Studie zeigt, dass Gerüchte und Nicht-Gerüchte unterschiedliche frühe Ausbreitungsstrukturen aufweisen, die durch stärkere mesoskalige topologische Hohlräume und divergierende Cluster-Merging-Verhaltensweisen gekennzeichnet sind, welche mittels persistenter Homologie auf 3D-Punktwolken effektiv identifiziert werden können, um die Vorhersagegenauigkeit zu verbessern.
Dieses Paper schlägt ein hybrides Fehlerdiagnose-Framework für Verteilungssysteme vor, das einen dynamischen Schwellenwert-Multi-Skalen-Convolutional-Autoencoder mit einem durch Mahalanobis-Distanz verstärkten K-Nächste-Nachbarn-Algorithmus und einer dynamischen Energie-Score-Schwellenwertstrategie integriert, um die Herausforderungen überlappender Merkmale zu bewältigen und benachbarte Knotenfehler unter komplexen Rauschumgebungen genau zu lokalisieren.
Dieses Paper stellt DA-GAT-CADS vor, einen lernbasierten Solver für das euklidische Traveling Salesman Problem, der einen geometrie-verankerten Delaunay-Graph-Encoder mit einem kontextadaptiven, gate-gesteuerten dynamischen Sampling-Decoder kombiniert, um durch die Abwägung von lokalen Struktur-Priors mit zustandsabhängiger nicht-lokaler Kandidatenauswahl die Recheneffizienz und die Lösungsqualität effektiv auszubalancieren.
Diese Studie präsentiert und validiert ein in Python entwickeltes Typ-2-Fuzzy-Expertensystem, das Expertenwissen nutzt, um Brustkrebs effektiv zu diagnostizieren und Behandlungen zu empfehlen, wobei eine hohe Genauigkeit (98 %) und robuste Leistungsmetriken erzielt werden, um diagnostische Unsicherheit zu adressieren und die Patientenversorgung in ressourcenarmen Gebieten zu verbessern.
Dieses Paper schlägt ein neuartiges hybrides Framework vor, das ein Temporal Convolutional Network (TCN) mit einem verbesserten Transformer kombiniert, welcher über segmentierte spärliche Aufmerksamkeit und MAML-basiertes Meta-Learning verfügt, um eine hochgenaue, recheneffiziente und robuste Restlebensdauerprognose bei geringer Probenzahl für Wälzlager unter komplexen Betriebsbedingungen zu erreichen.
Dieses Paper schlägt Ultra-Fusion vor, ein multimodales dynamisches Detektionsframework, das einen neuartigen RGB-Fingerprint-Mapping-Algorithmus, eine hybride CNN-Mamba-Transformer-Engine und einen statistischen Zweig integriert, um eine erstklassige Genauigkeit und robuste Generalisierung bei der Klassifizierung von polymorpher und metamorpher Malware zu erreichen.