929 Arbeiten
Dieses Paper präsentiert ein end-to-end, echtzeitfähiges Smart-Home-Steuerungssystem für Menschen mit Sprachbehinderungen, das ein auf einem CNN basierendes Handgestenerkennungsmodell mit einer OpenCV-Inferenz-Pipeline und einer modularen Aktionsschicht integriert, um Live-Kameraeingaben in ausführbare Gerätebefehle zu übersetzen.
Diese Studie führt ein auf der Theorie der Expertonen basierendes, unsicherheitbewusstes Evaluierungsframework ein, um Themenmodelle in spezialisierten Tourismus-Korpora zu bewerten, wobei sie zeigt, dass das durch LLMs verbesserte BERTopic traditionellen sowie neuronalen Ansätzen übertrifft und gleichzeitig aufzeigt, dass die Decoding-Temperatur die Interpretierbarkeit signifikant beeinflusst.
Dieses Paper schlägt eine allgemeine, kostengünstige Post-Optimierungs-Metaheuristik vor, die Multi-Start-Algorithmen dadurch verbessert, dass sie iterativ Nachkommen aus einem Elite-Set von Lösungen generiert und verbessert, wobei es erfolgreich die bisher besten Ergebnisse für alle 48 getesteten planaren p-Median-Instanzen innerhalb vergleichbarer Laufzeiten verbessert.
Dieses Paper schlägt ein robustes, score-basiertes generatives Modellierungsframework unter Verwendung von Tsallis–Gaussian-Perturbationen und einer Dual-Head-Neural-Architektur vor, um die Auswirkungen von Heavy-Tailed-Daten und Kontaminationen effektiv zu mildern und gleichzeitig eine wettbewerbsfähige generative Performance aufrechtzuerhalten.
Dieses Paper schlägt ein Framework für die industrielle Anomalieerkennung vor, das ein eingefrorenes DINOv3-Backbone mit einer Multi-view Patch Inference-Strategie zur Überwindung des Informationsverlusts an den Rändern sowie einem Multi-scale Reconstruction Fusion Transformer zur Modellierung normaler Merkmalsverteilungen kombiniert und so eine State-of-the-Art-Leistung auf mehreren Benchmark-Datensätzen erzielt.
Dieses Paper schlägt LAR-Net vor, ein leichtgewichtiges Netzwerk mit adaptivem rezeptivem Feld, das auf der LitePT-Backbone aufgebaut ist und sich dynamisch an lokale geometrische Komplexitäten anpasst, um eine hochpräzise Segmentierung von pharmazeutischen Ablagerungen an Reaktorinnenwänden zu erreichen, wodurch die Einschränkungen konventioneller Inspektionsmethoden überwunden und eine automatisierte intelligente Reinigung ermöglicht wird.
Dieses Paper stellt KinderMM-Cap vor, ein spezialisiertes Multimedia-Captioning-System für die frühkindliche Bildung, das den ECAC-Benchmark sowie ein neuartiges belohnungsbedingtes Hybrid-Trainingsframework (RSRS) nutzt, um die Genauigkeit bei der Generierung bildungsorientierter Bildunterschriften für komplexe Klassenzimmerszenen und Lernspielzeuge signifikant zu verbessern.
Dieses Paper schlägt TW-DP-FedAvg vor und evaluiert dieses rigoros, ein auf den medizinischen Versicherungssektor im ländlichen Tamil Nadu zugeschnittenes, datenschutzwahrendes Federated-Learning-Framework, wobei es zeigt, dass die Differential Privacy zwar eine messbare Genauigkeitskost gegenüber dem zentralisierten Training verursacht, der Ansatz jedoch unter Indiens neuen Datenschutzbestimmungen statistisch äquivalent und lebensfähig bleibt.
Dieses Paper führt ein neuartiges Mutterschiff- und Multi-Drohnen-Routing-Problem für das räumliche Meeresmanagement ein und schlägt eine metaheuristische Lösung vor, die nahezu optimale Ergebnisse mit signifikant reduzierter Rechenzeit im Vergleich zu exakten Methoden erzielt und somit eine Koordination in praktischem Maßstab für Anwendungen wie die Korallenriffrestaurierung ermöglicht.
Dieses Paper stellt Meta-PPO vor, ein leichtgewichtiges Meta-Control-Framework, das PPO-Hyperparameter basierend auf Trainingsstatistiken online dynamisch anpasst und im Vergleich zu Standard-PPO eine verbesserte Leistung, Effizienz und Robustheit über mehrere Benchmarks der kontinuierlichen Steuerung hinweg demonstriert.