3895 Arbeiten
Dieses Paper stellt DualAttentionNet vor, ein leichtgewichtiges Deep-Learning-Framework, das das traditionelle EEGNet durch die Integration von Dual-Channel-Attention-Blöcken erweitert, um eine State-of-the-Art-Genauigkeit von 92,36 % bei der Multi-Class-EEG-Ziffern-Dekodierung zu erreichen und gleichzeitig Robustheit, Interpretierbarkeit sowie Recheneffizienz zu gewährleisten.
Diese Arbeit präsentiert eine systematische Literaturübersicht (2020–2025) über KI-basierte Android-Malware-Detektionssysteme, analysiert deren Anfälligkeit gegenüber adversen Angriffen, evaluiert bestehende Verteidigungsstrategien und identifiziert kritische Lücken sowie zukünftige Forschungsrichtungen zur Erzielung einer robusten und vertrauenswürdigen Sicherheit.
LC-MSCKF verbessert die Genauigkeit der visuell-inertialen Odometrie durch den Einsatz einer hybriden zweistufigen Unsicherheitskalibrierungsstrategie, die einen leichtgewichtigen gelernten Zweig zur Antizipation von Degradation mit einem Innovations-Feedback-Zweig zur beschränkten korrektiven Inflation kombiniert und dabei feste sowie einzweigige adaptive Baselines über verschiedene Benchmarks hinweg signifikant übertrifft.
Diese Studie zeigt, dass die automatisierte Sprachanalyse klinischer Interviews mittels Transformer-basierter Modelle und Ensemble-Strategien eine Major Depression bei kantonesisch sprechenden Personen effektiv erkennen kann, was die Verarbeitungseffizienz signifikant verbessert, während gleichzeitig die Bedeutung der Transkriptionsqualität und des Gesprächskontexts für eine optimale Leistung hervorgehoben wird.
Dieses Paper präsentiert GMD-YOLO26, einen leichtgewichtigen, auf UAVs basierenden Detektor, der eine synergistische dreistufige Pipeline bestehend aus Gated Convolutional Feature Enhancement, Multi-Scale Dilated Attention und Dynamic Cross-scale Feature Aggregation einsetzt, um die Herausforderungen der Detektion kleiner Objekte effektiv zu bewältigen und gleichzeitig ein günstiges Genauigkeits-Effizienz-Verhältnis im VisDrone2019-Benchmark zu erreichen.
Dieses Paper präsentiert ein lokal einsetzbares, auf Knowledge Distillation basierendes 4B-Sprachmodellsystem, das die standardisierte Qualitätskontrolle chinesischer Radiologieberichte effektiv automatisiert und dabei eine hohe Präzision sowie eine signifikant verbesserte Inferenzgeschwindigkeit im Vergleich zu größeren Teacher-Modellen erreicht.
Dieses Paper schlägt ein Framework zur Konstruktvalidität vor, das ethische KI als ein kontextabhängiges, höherwertiges Konstrukt konzeptualisiert, welches Fairness, Transparenz und Erklärbarkeit umfasst, und bietet damit einen theoretisch fundierten Pfad zur Entwicklung auditierbarer Messstandards für die regulatorische Compliance und die empirische Forschung.
Dieses Paper präsentiert und evaluiert empirisch eine protokollgesteuerte Computing-Architektur, welche die Autonomie der Aktivitäten von der Autorisierungsinstanz trennt, und demonstriert, wie menschliche Aufsicht durch explizite Zulassungs-, Beförderungs- und Versiegelungsprotokolle KI-gestützte Softwareentwicklung steuern kann, während es gleichzeitig spezifische Bereiche identifiziert, in denen Schutzmechanismen einer Verfeinerung bedürfen.
Diese Arbeit präsentiert das Design, die Implementierung und die initiale Validierung einer skalierbaren Online-Plattform, die generative KI nutzt, um personalisiertes Training für digitale Kompetenzen an Jugendliche zu vermitteln, wobei positives Nutzerfeedback sowie funktionale Leistungsfähigkeit nachgewiesen werden, während gleichzeitig weitere Längsschnittuntersuchungen zur Bewertung der breiteren bildungspolitischen Auswirkungen empfohlen werden.
Diese Studie zeigt, dass eine kompakte Desktop-Workstation effektiv Open-Weight-Sprachmodelle für redaktionelle Aufgaben in Fachzeitschriften hosten kann, wobei sie offenlegt, dass die Leistung nicht strikt mit der Modellgröße korreliert, wenn man diese Modelle mit einfachen deterministischen Prüfungen kombiniert, wodurch eine nahezu perfekte Erkennung von Richtlinienverstößen erreicht wird.