3657 Arbeiten
Diese Studie zeigt, dass die Integration von verhaltensbasierten Merkmalen auf Agenten-Ebene in ein XGBoost-basiertes maschinelles Lernmodell die Erkennung von Mobile-Money-Betrug innerhalb des einzigartigen digitalen Finanzökosystems von Sambia im Vergleich zu traditionellen, rein transaktionsbasierten Modellen signifikant verbessert.
Diese Arbeit schlägt eine robuste adaptive spatio-temporale Verfeinerungsmethode vor, die die Triangle-SDF kontinuierliche Kollisionserkennung verbessert, indem sie unsichere räumliche und zeitliche Zellen basierend auf konservativen unteren Schranken und Unsicherheitsmetriken selektiv unterteilt, wodurch eine präzise Berechnung des Auftreffzeitpunkts für komplexe, Hochgeschwindigkeitsbewegungen bei gleichzeitiger Aufrechterhaltung der Recheneffizienz gewährleistet wird.
Diese Arbeit schließt die Lücke zwischen der qualitativen und quantitativen Analyse der minimalen Pose-Schätzung, indem sie eine geschlossene Beziehung herleitet, die beweist, dass die Konditionszahl algebraischer Solver invers proportional zur geometrischen Distanz zu kritischen Degenerationen wie dem Danger Cylinder divergiert, wodurch etabliert wird, dass während die Geometrie die Singularität diktiert, die algebraische Parametrisierung die Rate der numerischen Instabilität bestimmt.
Diese Arbeit zeigt, dass die Initialisierung von Vision-Foundation-Modellen (wie DINOv2 und MedSigLIP) die zufällige Initialisierung bei der multimodalen medizinischen Bildklassifizierung signifikant übertrifft, insbesondere wenn gelabelte Daten knapp sind oder Bildgebungsmodalitäten fehlen.
Dieses Papier schlägt eine leichtgewichtige Dual-Path-CNN-Architektur für hochpräzise Fingerabdruckerkennung vor, die direkt auf Rohbildern operiert und effizient auf einem Xilinx Virtex-7 FPGA implementiert ist, wobei eine überlegene Leistung bei optimiertem Ressourcen- und Stromverbrauch erreicht wird.
Dieses Paper schlägt ein Framework zur Klassifizierung von Reisfelzkrankheiten vor, das ein Pyramid Dilated Kronecker Network (PDKN) mit einer neuartigen Harmonic Euclidean Smooth Tamed Loss-Funktion (HaEST-Loss) integriert und durch eine Pipeline, die Kontra-harmonisches Mittelwertfiltern, eine Segmentierung auf Basis von LadderNet und fortgeschrittene Merkmalsextraktion umfasst, eine hohe Genauigkeit (91,646 %) erreicht.
Das Papier schlägt das Agentic-QA Fusion Framework vor, ein zustandsbehaftetes Multi-Agenten-System, das die Einschränkungen der Standard-Generativen KI bei der Testgenerierung durch autonome Strategieentwicklung und Selbstheilung von Skripten überwindet, um eine nahezu perfekte syntaktische Korrektheit und hohe Mutationsraten über komplexe, regulierte Industriedomänen hinweg zu erreichen.
Dieses Paper präsentiert einen hardware-software-ko-designeden, leichtgewichtigen CNN–MLP-Beschleuniger, der auf einem Xilinx Zynq-7020 FPGA implementiert wurde und eine Detektionsgenauigkeit von 99,28 % bei geringer Latenz und geringem Stromverbrauch erreicht, wodurch ein optimierter Kompromiss zwischen Klassifizierungsleistung und Hardwareeffizienz für die Echtzeit-Intrusionserkennung im CAN-Bus geboten wird.
Dieses Paper schlägt ein End-to-End-Transformer-Framework vor, das den Netzwerkverkehr als eine Sequenz von Token behandelt, um die Einschränkungen traditioneller Methoden bei der Klassifizierung verschlüsselter und vielfältiger Internetkommunikation zu überwinden, wobei eine Genauigkeit von 93,11 % auf dem ISCXVPN2016-Datensatz erreicht wird und die Echtzeitanwendbarkeit demonstriert wird.
Dieses Systematization of Knowledge (SoK)-Paper synthetisiert die Forschung zum Übergang von traditionellen hardwarebasierten Red/Black-Architekturen hin zu einer sicheren, softwarebasierten Multi-Domain Data Segregation (MDDS) für Sprachkommunikationssysteme, indem es Technologien wie Software-Defined Networking, Separation Kernels und Post-Quantum-Kryptographie evaluiert, um eine skalierbare, hochgradig gesicherte Interoperabilität in modernen missionskritischen Operationen zu ermöglichen.