927 Arbeiten
Dieses Paper schlägt FL-SNNIDS vor, ein föderiertes Spiking-Neural-Network-Framework, das eine energieeffiziente, latenzarme und datenschutzwahrende Intrusion Detection für ressourcenbeschränkte landwirtschaftliche SDN-IoT-Netzwerke ermöglicht, indem es durch kollaboratives Modelltraining ohne Austausch von Rohdaten eine hohe Genauigkeit erreicht.
Diese bibliometrische Übersicht über 137 qualitativ hochwertige Artikel aus den Jahren 2024 bis 2026 kartiert die sich schnell entwickelnde Landschaft der Abwehrmechanismen für große Sprachmodelle, identifiziert zentrale thematische Verschiebungen hin zu Schwachstellenerkennung und Benchmarking und hebt gleichzeitig kritische Lücken in der Evaluierungsinfrastruktur hervor, die Governance-Risiken für hochsensible Anwendungen darstellen.
Dieses Papier präsentiert die Automatisierte Fahrzeuginspektion (AVI), ein Multi-View-Deep-Learning-System, das synchronisierte 360-Grad-Bildgebung mit spezialisierten Detektionsmodellen und einer regelbasierten Engine integriert, um eine hochgenaue, variantenbewusste Fahrzeugverifizierung und Defekterkennung bei einem Durchsatz von 3,3 Fahrzeugen pro Minute zu erreichen.
Dieses Papier präsentiert eine datengesteuerte Machine-Learning-Pipeline, welche die Genauigkeit der Klassifizierung von Introvertiertheit und Extrovertiertheit durch das Engineering von drei zusammengesetzten Verhaltensmerkmalen und die Evaluierung von 13 Algorithmen signifikant auf 91,90 % verbessert und dabei zeigt, dass K-Nearest Neighbors innerhalb eines statistisch robusten Rahmens am besten abschneidet.
Diese rigorose empirische Studie zeigt auf, dass während das konventionelle Offline-Clustering von vorletzten Merkmalen zur Entdeckung intra-klassischer Substrukturen unzuverlässig ist und häufig die tabellarische Klassifikationsleistung verschlechtert, ein gemeinsamer End-to-End-Subzentrum-Trainingsansatz diese Risiken effektiv mildert, obgleich die Autoren zu dem Schluss kommen, dass derzeit keine robuste Heuristik existiert, um vorherzusagen, wann eine solche Entdeckung von Substrukturen vorteilhaft ist.
Dieses Paper präsentiert eine vollautomatisierte Pipeline, die BioBERT-Kontext-Embeddings, hybrides Clustering und zeitliches Zitationsranking integriert, um biomedizinische Forschungslandschaften effektiv abzubilden und sich entwickelnde Hotspots zu identifizieren, wie durch eine umfassende Fallstudie zur Kataraktforschung demonstriert wird.
Dieses Paper schlägt ein neuartiges Framework zur Identifizierung wichtiger Verkehrsobjekte vor, das eine globale Interaktionsmodellierung aus der Vogelperspektive (Bird's-Eye View) sowie einen kontrastiven Sprache-Bewegungs-Pre-training-Ansatz nutzt, um menschliches Wissen zu integrieren und dadurch die Einschränkungen bestehender 2D-Verfahren in der räumlich-zeitlichen Argumentation und dem dynamischen Verständnis zu überwinden.
Das Papier schlägt das CATD-LPT-CFPM-Framework vor, welches das Mining geschlossener häufiger Muster verbessert, indem es Transaktionen clustert, um den Suchraum zu reduzieren, und eine mehrstufige Pruning-Strategie mit einem Top-Down Closedness Pruning-Mechanismus einsetzt, um redundante Verarbeitung und Speichernutzung zu minimieren, ungeachtet eines gewissen Overheads durch Clustering und Baumkonstruktion.
Dieses Papier schlägt ein erweitertes, auf PointNet basierendes Framework für die autonome Defekterkennung in 3D-Punktwolken vor, das eine deterministische SVD-basierte kanonische Ausrichtung und einen gewichteten Cross-Entropy-Loss nutzt, um geometrische Variabilität und Klassenungleichgewicht zu überwinden, wodurch eine verbesserte Genauigkeit und eine reduzierte Inferenzlatenz für die industrielle Echtzeitinspektion erreicht wird.
Dieses Paper schlägt den Chaotic Improved Cloud Drift Optimization (CI-CDO) Algorithmus vor, eine neuartige Metaheuristik, die durch atmosphärische Turbulenzdynamik und chaotische Karten verbessert wurde und eine überlegene Leistung bei der Lösung von Benchmark-Optimierungsproblemen, der Auswahl optimaler Merkmalsmengen für die Klassifizierung und der Vorhersage realer Umweltdaten demonstriert.