929 Arbeiten
Dieses Paper stellt C3Q-MARL vor, ein konnektivitätsbewusstes Framework, das eine graphentheoretische Topologiekontrolle mit einem von QAOA inspirierten Optimierungsmodul in das Multi-Agenten-Reinforcement-Learning integriert, um die Koordination, Kollisionsvermeidung und Konnektivitätserhaltung von UAV-Schwärmen unter partieller Beobachtbarkeit und Kommunikationsbeschränkungen zu verbessern.
Diese Studie präsentiert den ersten skalenbasierten Benchmark der YOLOv11- und YOLOv12-Varianten auf dem BCCD-Datensatz, der zeigt, dass, während ihre durchschnittliche Gesamtleistung nahezu identisch ist, YOLOv12 im Nano-Maßstab für latenzkritische Anwendungen hervorragt, wohingegen YOLOv11 es bei mittleren und großen Maßstäben übertrifft, was darauf hindeutet, dass die Modellauswahl durch spezifische Skalen- und Recall-Anforderungen getrieben werden sollte, anstatt von einer einheitlichen Annahme der Überlegenheit auszugehen.
Dieses Paper stellt RLHOARNet vor, eine auf MONAI basierende 3D-U-Net-Architektur mit einem leichtgewichtigen Residual-Boundary-Refinement-Modul, das State-of-the-Art-Leistung und Echtzeit-Inferenzgeschwindigkeiten für die multimodale Hirntumorsegmentierung auf dem BraTS 2020-Datensatz erreicht.
FedHyperM ist ein Framework für privatsphäreerhaltendes föderiertes Lernen auf Edge-Geräten, das Modalitätsheterogenität durch den Einsatz von Hypergraph-basierter Vorhersage und modalitätssensitiver Aggregation adressiert und damit bestehende Baselines in Bezug auf Genauigkeit und F1-Score signifikant übertrifft.
Dieses Paper schlägt das APT-VFSEA-Modell vor, welches variable Fuzzy-Mengen nutzt, um die Effektivität von Advanced Persistent Threat (APT)-Angriffen und -Verteidigungen durch die Adressierung deren inhärenter Unsicherheit und Komplexität quantitativ zu bewerten, wobei eine experimentelle Validierung dessen Genauigkeit gegenüber realen Szenarien demonstriert.
Diese Studie schlägt eine adaptive Auswahlmethode für die Parameter des MICE-Algorithmus auf Basis von Lungenfunktionsindikatoren vor und zeigt auf, dass diese Strategie durch die Aufrechterhaltung einer stabilen Vorhersageleistung und das effektive Erfassen multivariater Korrelationen in COPD-Datensätzen mit variierenden Ausfallraten die PCHIP-Interpolation übertrifft.
Dieses Paper stellt das Oversight-to-Control (O2C)-Framework vor, ein soziotechnisches Modell bestehend aus sechs Funktionen und unterstützenden Bedingungen, um zu diagnostizieren, warum menschliche Aufsicht bei Hochrisiko-KI-Systemen oft keine effektive Kontrolle erreicht, indem es Regulierungsinstrumente und reale Fälle analysiert, in denen Interpretation und rechtzeitiges Eingreifen häufig versagen.
Dieses Paper schlägt AJIT vor, ein hochpräzises klassisch-quantenhybrides Framework, das durch die Kombination von DTCWT-basierter Kompression, quasi-periodischer unitärer Verschlüsselung und topologischer Hypergraph-Verifizierung eine quantenresistente sichere Teilung und Multiparty-Authentifizierung von DICOM-medizinischen Bildern gewährleistet, um eine verlustfreie Rekonstruktion sowie robuste Differenzresistenz zu erreichen.
Diese Studie stellt das Cross-Market Retrieval-Augmented Lag-Llama (CM-RAF-Lag-Llama) Framework vor und zeigt auf, dass die Integration von historischer Retrieval mit einem vortrainierten Lag-Llama-Modell die Prognosefehler über diverse Aktienmärkte hinweg signifikant reduziert, indem analoge historische Zeitfenster zur Korrektur von Vorhersagen genutzt werden, insbesondere für Volatilitäts- und volumenbezogene Zielgrößen.
Das Papier schlägt CFE-UNet vor, ein neuartiges Framework zur semantischen Segmentierung für die Fernerkundung, das einen rekonstruierten Encoder mit einem Cross-Feature-Exchange-Decoder integriert, um globalen Kontext und lokale Details effektiv zu kombinieren und so eine führende Leistung bei komplexen, heterogenen urbanen und natürlichen Szenen zu erzielen.