2305 Arbeiten
Dieses Paper stellt BEACON vor, einen quelloffenen, mehrsprachigen mobilen Agenten, der Echtzeitdaten zum Feuerperimeter, wetterbasierte Risikobewertungen und eine polygonvermeidende Routenplanung integriert, um personalisierte, sprachadaptive Evakuierungshilfe bei Waldbränden für Gemeinschaften mit begrenzten Englischkenntnissen bereitzustellen.
Dieses Papier präsentiert eine vergleichende akademische Evaluierung von Veeam Backup & Replication und Cohesity DataProtect und zeigt auf, dass beide Plattformen, obwohl sie unterschiedliche Ansätze für Immutabilität und Ransomware-Erkennung in VMware-Umgebungen bieten, am effektivsten sind, wenn sie in eine umfassende Defense-in-Depth-Strategie integriert werden.
Diese Studie zeigt, dass die Anwendung eines Inverse-Frequency-Reweighting-Ansatzes auf MARBERT die Baseline-Modelle bei der Klassifizierung unterrepräsentierter Emoji-Pragmatiken innerhalb des arabischen digitalen Diskurses signifikant übertrifft und dadurch das Problem der schweren Label-Imbalance effektiv adressiert, um die computergestützte Pragmatik im Bereich des arabischen NLP voranzubringen.
Diese Arbeit zeigt auf, dass die Migration eines Blockchain-Prototyps auf das Post-Quanten-ML-DSA-44-Signaturverfahren verdeutlichte, dass kritische Implementationsfehler in der Anwendungsvalidierung, der Datendarstellung und der Nebenläufigkeitslogik einen weitaus größeren Einfluss auf die Systemkorrektheit und -leistung hatten als der Übergang des Signaturalgorithmus selbst.
Diese Studie zeigt, dass ein adaptives Adaptive Gated DenseNet121-Modell die Genauigkeit der Klassifizierung von Reiskrankheiten gegenüber einer Standard-Baseline verbessert und eine begrenzte Parameter-Pruning ermöglicht, wenngleich es derzeit noch nicht die robuste mobile Kompression erreicht, da ein Leistungszusammenbruch bei höheren Sparsitäts-Schwellenwerten eintritt.
Diese Arbeit präsentiert eine systematische Übersicht über Deep-Learning-, Federated-Learning- und Meta-Learning-Ansätze für die Intrusion Detection in IoT, wobei bestehende Arbeiten über sechs Schlüsseldimensionen hinweg klassifiziert und kritische Einschränkungen wie nicht vergleichbare Evaluierungsprotokolle, unzureichende Handhabung von Non-IID-Daten sowie einen Mangel an Reproduzierbarkeit in Code und Edge-Messungen identifiziert werden.
Dieses Paper schlägt ein CLIP-basiertes Framework vor, das die Abhängigkeit von der Quelldomäne bei der zielfreien Zero-Shot-Anomalieerkennung in der medizinischen Bildgebung durch mehrstufige Strategien, einschließlich Prompt Learning, adversarieller visueller Adaptation und Merkmiskonsistenz, abmildert und dadurch eine robuste Generalisierung über heterogene medizinische Bilddatensätze hinweg ohne Zugriff auf Zieldaten erreicht.
Scene-Guard führt ein Scene Structural Disruption Module (SSDM) ein, das eine messbare Störung der Szenenmanipulation über mehrere Editoren und JPEG-Rekompressionsebenen hinweg erfolgreich bewahrt, wenngleich es derzeit auf Szenarien mit festen Masken beschränkt ist und strukturelle Divergenz gegenüber der Unwahrnehmbarkeit priorisiert.
Dieses Papier schlägt ein hybrides Framework für die Langstrecken-Quantenschlüsselerzeugung vor, das einen SVM-RBF-Klassifikator unter Verwendung von QBER-, Bell-CHSH- und temporaler Shannon-Entropie-Merkmale kombiniert, um Sicherheitsverletzungen mit einer Genauigkeit von 87,82 % zu detektieren, sowie eine durch SHA-256-Whitening verbesserte chaotische Perturbationsmethode zur Generierung von NIST-konformen sicheren Sitzungsschlüsseln.
Dieses Paper schlägt ein auf Online-Bewertungen basierendes Framework für die groß angelegte Gruppenentscheidung vor, das die soziale Netzwerkanalyse, Partikelschwarmoptimierung und Fuzzy-Rough-Set-Modelle integriert, um die Konsumentenpräferenzen für frisches Obst auf E-Commerce-Plattformen effektiv zu analysieren und die Entwicklung intelligenter Einkaufsassistenten zu unterstützen.