929 Arbeiten
Pivot-WFSM führt einen speicherskalierbaren Ansatz für das gewichtete häufige Subgraph-Mining ein, der die traditionelle Speicherung von Embeddings durch On-Demand-Re-Matching ersetzt, wodurch die Spitzen-Speicherauslastung drastisch reduziert wird und die Analyse großer Multigraph-Datenbanken ermöglicht wird, die zuvor zu Out-of-Memory-Fehlern geführt hatten.
Diese Arbeit schlägt einen scoring-basierten Ansatz vor und evaluiert diesen, der Geschäftsprozesse durch die Analyse feingranularer temporaler und existenzieller Aktivitätenbeziehungen innerhalb von Ereignisprotokollen automatisch in Kategorien der Strukturierung (strukturiert, semistrukturiert, lose strukturiert und unstrukturiert) klassifiziert, um den Mangel an automatisierter Unterstützung im Process Mining zu adressieren.
MonitorVLM-v2 ist ein eingesetztes Framework, das offene visuelle-sprachliche Argumentation durch symbolische Richtlinienoptimierung und Entropie-gesteuertes Triage in effiziente, einstufige symbolische Vorhersagen transformiert und im Vergleich zur manuellen Inspektion eine 19,45-fach höhere Geschwindigkeit sowie signifikant höhere Erkennungsraten von Verstößen in der industriellen Echtzeit-Sicherheitsüberwachung erreicht.
RGBA-Net ist ein leichtgewichtiges, hochmodernes RGB-D-Framework zur Erkennung prominenter Objekte, das einen asymmetrischen Dual-Stream-Encoder, ein Tiefenzuverlässigkeitsgate und ein randbewusstes Fusionsmodul einsetzt, um mit nur 3,49 Millionen Parametern eine hohe Genauigkeit zu erreichen und gleichzeitig Tiefenrauschen sowie Komplexität effektiv zu mildern.
Dieses Papier stellt Azra vor, ein Vision-Language-Model-Framework für die Erkennung osmanisch-türkischer Handschriften, das durch LoRA-Feinabstimmung auf kuratierten Daten eine State-of-the-Art-Leistung erzielt und demonstriert, dass autonomes Data-Bootstrapping kuratierten Ansätzen effektiv entsprechen kann, während es gleichzeitig die Annotationskosten signifikant reduziert.
Diese Arbeit präsentiert das Design und die Implementierung eines stabilen, modularen Tourismus-Managementsystems auf Basis des SSH-Frameworks, das einen optimierten hybriden Empfehlungsalgorithmus integriert, um eine hohe Genauigkeit, geringe Latenzzeiten unter hoher Last und eine starke Nutzerzufriedenheit zu erreichen.
Dieses Paper schlägt ein integriertes Offline-Online-Evaluationsframework (IOEF) vor, das technische Retrieval-Metriken mit Belegen für Bildungsergebnisse aus der bestehenden Literatur verknüpft, um zu zeigen, dass eine effektive KI-Adaption in der Hochschulbildung ein Gleichgewicht zwischen Informationsabruf-Leistung und Instruktionsdesign erfordert, anstatt sich allein auf Retrieval-Benchmarks zu verlassen.
Diese Studie zeigt, dass in kontrollierten synthetischen Umgebungen der Oberflächenabstand zwischen Schlüsselbereichen die Routing-Genauigkeit kleiner zeichenbasierter Transformer signifikant beeinflusst, was die Verwendung solcher Unit-Tests validiert, um zwischen echten Lookup-Mechanismen und der Ausnutzung oberflächlicher Merkmale zu unterscheiden, bevor automatisierte Bildungssysteme eingesetzt werden.
Dieses Paper präsentiert eine koordinatenbasierte Oberflächenschnittmethode, welche Schnittkurven als Sequenzen von residuen-geprüften Kontaktrahmen darstellt, die semantische und geometrische Metadaten enthalten, und demonstriert dabei eine überlegene numerische Präzision sowie eine robuste boolesche Geschlossenheit im Vergleich zur OpenCASCADE Technology über eine vielfältige Suite von primitiven und komplexen Oberflächenschnittfällen hinweg.
Diese Studie zeigt, dass die globale Diversität in Bildungs-Itembanken zwar unzureichend ist, um ein robustes Sprachparsing zu gewährleisten, lokale Allokationsstrategien jedoch die Leistung signifikant beeinflussen, während die globale Graphkonnektivität keinen zusätzlichen Nutzen bietet, sobald die Komponenten eine ausreichende Exposition innerhalb der Zellen aufweisen.