929 Arbeiten
Dieses Papier schlägt ein adaptives Fuzzy-GAN-System vor, das Generative Adversarial Networks und Fuzzy-Logik nutzt, um Gesichtsorientierungen in niedrige, mittlere und hohe Winkel (einschließlich Variationen im Uhrzeigersinn und gegen den Uhrzeigersinn) zu klassifizieren, um die pose-invariante Gesichtserkennung für Anwendungen in der Strafverfolgung zu verbessern.
Diese Arbeit evaluiert die Machbarkeit von NVIDIAs RTX Neural Shaders für das Echtzeit-Fluid-Rendering und zeigt auf, dass neuronale Netze zwar erfolgreich pixelbasierte BSDFs bei hohen Bildraten approximieren, signifikante Framework-Einschränkungen deren effektiven Einsatz für Vertex-Displacement-Aufgaben derzeit jedoch verhindern.
Diese Studie schlägt eine Formulierung vor und validiert eine teilkorrektheits- und fortschrittsbewusste Modellierung zur frühen Erfolgsprognose in der Programmierpraxis und zeigt auf, dass diese herkömmliche binäre und ordinale Ansätze durch eine effektivere Erfassung des Lernfortschritts sowie die Ermöglichung gezielter instruktionaler Unterstützung signifikant übertrifft.
Diese systematische Übersicht über 122 Studien (2015–2025) zeigt, dass Modelle des maschinellen Lernens, insbesondere Ensemble- und Hybridansätze in Verbindung mit zerstörungsfreien Sensortechnologien, das Nachernte-Management von leicht verderblichen Früchten durch die Verbesserung der Qualitätsbewertung und der Reduzierung von Verlusten über die gesamte Lieferkette hinweg signifikant verbessern, während gleichzeitig die Notwendigkeit standardisierter Datensätze und einer Validierung unter Realbedingungen hervorgehoben wird, um die aktuellen Herausforderungen bei der Implementierung zu bewältigen.
Dieses Paper führt die Validation-Aligned Coreset Selection (VACS) ein, eine Methode, die den optimalen klassengestuften Teilmengen-Selektor auswählt, indem sie ein Portfolio auf internen Validierungs-Splits evaluiert, was zeigt, dass wiederholte Validierung die Genauigkeit der Few-Shot-Klassifizierung unter extremen Budgetbeschränkungen signifikant verbessern kann, obwohl sie nicht universell die besten statischen Selektionsregeln übertrifft.
Dieses Paper schlägt ein leichtgewichtiges zweistufiges Framework vor, das YOLO11s-seg für die Generierung von Kandidaten auf Instanzebene und YOLOv8n-cls für die Klassifizierung von Hard-Negativen und Okklusionsbewusstsein nutzt, wodurch eine hohe Genauigkeit bei der Ernteentscheidung und eine Null-Fehlernte bei der Ernte in komplexen Ölpalmplantagenumgebungen erreicht wird.
Dieses Paper schlägt ein neuro-symbolisches fuzzy-regelbasiertes Framework vor, das die auf Deep Learning basierende Schätzung dermoskopischer Attribute mit automatisch extrahierten klinischen Regeln integriert, um die Genauigkeit und Interpretierbarkeit der Melanomklassifizierung im Vergleich zu rein bildbasierten Deep-Learning-Ansätzen zu verbessern.
Diese Studie zeigt, dass die Analyse der strukturellen Merkmale des Literaturverzeichisses eines Artikels zum Zeitpunkt der Veröffentlichung – insbesondere der Selbstzitationsrate, der Verteilung der Referenzjahre und der Aktualität der zitierten Literatur – die frühzeitige Erkennung zukünftiger Retraktionsrisiken signifikant verbessern kann, noch bevor jegliche Belege nach der Veröffentlichung vorliegen.
Dieses Paper schlägt ein erklärbares TabNet-Framework vor, das aufmerksamkeitsbasiertes Deep Learning und SHAP-Werte nutzt, um die Leistung von Remote-Mitarbeitern unter Verwendung eines groß angelegten Datensatzes präzise, robust und fair vorherzusagen, wobei es traditionelle Baseline-Modelle übertrifft und gleichzeitig eine transparente sowie gerechte Personalentscheidung gewährleistet.
Diese Studie zeigt, dass fortschrittliche Large Language Models, spezifisch BioClinicalBERT und BioGPT, eine hohe Genauigkeit (98 % F1-Score und Genauigkeit) bei der automatischen Identifizierung ursächlicher Medikamente für unerwünschte Ereignisse aus Social-Media- und Arzneimittelbewertungsdatensätzen erreichen und somit eine vielversprechende Echtzeitlösung für die Überwachung der Arzneimittelsicherheit bieten.