2332 Arbeiten
Diese Arbeit präsentiert eine Design Science Research Studie über ein geschlossenes Smart-HR-System für KMU, die zeigt, dass eine korrigierende RAG-Adaption mit kapitelgleichem Hard-Negative-Training die Antworttreue im Vergleich zu Standard-RAG signifikant verbessert, trotz eines Trade-offs bei der Gesamtgenauigkeit.
Dieses Paper stellt SCOPE vor, ein unsicherheitsbewusstes, trainingsfreies Framework, das durch die Integration von verhaltenszentrierter Gruppierung, distributiver TTP-Kartierung und Top-K-Viterbi-Sequenzinferenz kohärente Angriffsverhalten unter unvollständigen Beobachtungen rekonstruiert, um bestehende Baselines in Bezug auf Genauigkeit und Robustheit zu übertreffen.
Diese Arbeit präsentiert ein hochoptimiertes, fein abgestimmtes EfficientNet-B0-Modell unter Verwendung von Transfer Learning, das eine Genauigkeit von 97,57 % bei der automatischen Erkennung von neun Arten von Maiskrankheiten aus realen Bildern erreicht und somit ein recheneffizientes Werkzeug zur Unterstützung von Kleinbauern bei der Früherkennung von Krankheiten bietet.
Dieses Paper präsentiert ein ressourceneffizientes visuelles Navigationssystem für UAVs, das panoramische neuronale Kompression und Dual-Snapshot-Fusion nutzt, um eine kontinuierliche, geschlossene Regelkreis-Routenverfolgung sowie das Homing mit minimalem Speicherbedarf und hoher Positionsgenauigkeit zu ermöglichen.
Dieses Paper schlägt ein optimiertes KI-basiertes Intrusion-Detection-System vor, das GridSearchCV nutzt, um sechs Machine-Learning- und Deep-Learning-Modelle auf dem CICDDoS2019-Datensatz abzustimmen, wobei nachgewiesen wird, dass Random Forest und XGBoost im Vergleich zu anderen Algorithmen eine überlegene Genauigkeit und Effizienz bei der Erkennung verschiedener DDoS-Angriffe erreichen.
Dieses Paper schlägt Q-LDPSO vor, einen neuartigen quanten-gestützten Particle Swarm Optimizer, der eine Quanten-Populationsinitialisierung und eine Quanten-Bidirektionale Suchstrategie aufweist, welcher in Kombination mit einem RF-XGBoost-Ensemble-Klassifikator eine überlegene Merkmalsselektions- und Intrusion-Detection-Leistung (99,63 % Genauigkeit) für IoT-Umgebungen erzielt.
Dieses Paper schlägt Conservative Proxy Prompting (CPP) vor, ein parametereffizientes Framework, das die Zuverlässigkeit eingefrorener Vision-Language-Modelle bei fehlenden Modalitäten verbessert, indem es Repräsentationen von Proxy-Merkmalen im Merkmalsraum konstruiert und deren Beitrag konservativ reguliert, um irreführende Signale zu vermeiden.
Diese Studie zeigt, dass die visuell basierte Seitensuche die Evidenzauswahl und die nachgeschaltete Antwortqualität bei Document Visual Question Answering im Vergleich zu lexikalischen Methoden zwar signifikant verbessert, jedoch erhebliche Leistungsunterschiede bestehen bleiben, da die Antwortgenerierung selbst dann Einschränkungen aufweist, wenn die korrekte Seite bereitgestellt wird, und eine hybride Fusion keinen zusätzlichen Nutzen gegenüber starken visuellen Retrievern allein bietet.
AgentCare-Guard ist ein kapazitätsbeschränkter Referenzmonitor, der agentische FHIR-Transaktionen sichert, indem er die Workload-Identität verifiziert, Genehmigungen an spezifische Payloads und Kontexte bindet und eine atomare Ausführung gewährleistet, wodurch in synthetischen Evaluationen, bei denen bestehende Modelle versagten, eine 100%ige Verteidigung gegen Autorisierungsgrenzen-Angriffe erreicht wird.
Dieses Paper präsentiert ein Multi-Agenten-System zur klinischen Entscheidungsunterstützung, das MIMIC-IV-Daten und große Sprachmodelle nutzt, um eine Echtzeit-Ähnlichkeitssuche für Patienten durchzuführen und mittels eines sechs-Agenten-Orchestrierungsworkflows zeitlich bewusste klinische Analysen zu generieren.