929 Arbeiten
Dieses Papier präsentiert Semperf, ein LLM-gestütztes Framework, das Rangprofilmatrizen konstruiert und Prozesse clustert, um eine skalierbare, automatisierte Leistungsdiagnose sowie die Identifizierung von Engpässen für extrem skalierbare parallele HPC-Anwendungen zu ermöglichen.
Dieses Paper präsentiert HQNNDL, ein hybrides Quanten-Klassik-Deep-Learning-Framework, das ein eingefrorenes ResNet-18-Backbone und einen 8-Qubit-variationalen Quantenschaltkreis nutzt, um OCT-Bilder in vier Kategorien zu klassifizieren, wobei eine Genauigkeit von 79,0 % auf einem aus Kermany OCT2017 abgeleiteten Proxy-Datensatz erzielt wurde, während gleichzeitig die Notwendigkeit weiterer Ablationsstudien und klinischer Validierungen anerkannt wird, um dessen Wirksamkeit für die Detektion der zentralen serösen Retinopathie zu bestätigen.
Dieses Paper schlägt ein Framework zur progressiven Kontextanreicherung vor, welches die Zuverlässigkeit von Large Language Models bei der Generierung von Formulierungen für gemischt-ganzzahlige lineare Programmierungen zur Produktionsplanung im Tagebau erhöht, indem es Prompts systematisch durch Simulator-Daten und Code-Annotationen erweitert, wobei aufgezeigt wird, dass während Simulator-Code die Genauigkeit der Zielfunktion verbessert, annotierter Code überlegen ist, um die Einhaltung von Nebenbedingungen zu gewährleisten.
Dieses Paper präsentiert eine KI-gesteuerte Segmentierungspipeline für handschriftliche physikalisch-mathematische Dokumente, die formerhaltende quadratische Splines nutzt, um oszillierende Basislinien zu modellieren und krümmungsadaptive Schnittmasken zu generieren, wodurch die Detektionsgenauigkeit und die strukturelle Rekonstruktion für nachgelagerte OCR-Aufgaben verbessert werden.
Diese Studie schlägt ein metrikbasiertes Few-Shot-Learning-Framework vor, das spezifisch Prototypical Networks nutzt, um eine effiziente und rechensparende Registrierung benutzerdefinierter Vokabulare in EMG-basierten Silent-Speech-Interfaces zu ermöglichen, ohne dass ein wiederholtes Modell-Retraining erforderlich ist.
Dieses Papier berichtet über eine unabhängig validierte Demonstration, dass eine proprietäre Engine in der Lage ist, strukturelle medizinische Verknüpfungen über mehrere Quellen hinweg korrekt zu synthetisieren, indem sie neun verifizierte Verbindungen aus externer Literatur aufdeckt und die Selektivität durch eine Diskriminierungskontrolle nachweist, wodurch ein zuverlässiges Fundament für zukünftige computergestützte Entdeckungen ohne Halluzination etabliert wird.
Diese Arbeit etabliert einen vereinheitlichten theoretischen Rahmen für Mixture-of-Experts (MoE), der die Kreuz-Experten-Gradientenausrichtung als die Wurzel des Experten-Kollapses identifiziert, die Gradientenpfad-Hypothese und Reynolds-Zahl-Diagnostik einführt, um diese Dynamiken zu charakterisieren, und demonstriert, dass die Isolation des architektonischen Output-Raums durch Mosaic-Tile-Hard-Routing das katastrophale Vergessen und den Experten-Kollaps über Vision- und Sprachaufgaben hinweg effektiv eliminiert.
Dieses Paper schlägt eine maßgeschneiderte Hochleistungs-CNN-Architektur vor, die eine perfekte Genauigkeit von 100 % und eine State-of-the-Art-Leistung auf dem NEU-CLS-Datensatz für die Klassifizierung von sechs Typen von Stahloberflächenfehlern erreicht und damit die Überlegenheit aufgabenspezifischer Designs gegenüber universell einsetzbaren Modellen in der industriellen Qualitätskontrolle demonstriert.
Diese Arbeit präsentiert eine Pilotstudie des Center for Computational Research and Education (CCRE), einer Trainingsinitiative in Afrika, die erfolgreich eine kleine Kohorte von Nachwuchswissenschaftlern durch einen strukturierten, mentorierten Pfad zur Entwicklung von Hochleistungsrechenkompetenzen geführt hat, trotz erheblicher Hürden bei der Infrastruktur und Mentorenschaft.
Das Papier stellt InVAER vor, ein neuartiges KI-Framework, das adaptive Hyperparameter-Optimierung und Multi-Cue-räumlich-zeitliche Validierung kombiniert, um eine Echtzeit-Unfallerkennung mit hoher Präzision sowie automatisierter geospatialer Notfallkoordination zu erreichen, wodurch Fehlalarme und Reaktionsverzögerungen auf Edge-Geräten signifikant reduziert werden.