974 Arbeiten
Das Papier stellt SPIDER-WEB vor, ein All-in-One-Codierungs-Framework, das eine Echtzeit-Abfrage konstanter Daten während der DNA-Sequenzierung ermöglicht, dabei Effizienzgewinne von bis zu 9.083-fach gegenüber herkömmlichen Methoden erzielt und eine Leistung auf CD-Niveau mit erfolgreichem Video-Rendering in unter 100 Sekunden demonstriert.
Diese Scoping-Review analysiert bestehende IoT-Sicherheitsframeworks für digitale Gesundheitssysteme und zeigt auf, dass aktuelle Lösungen zwar häufig diskrete Bereiche adressieren, es ihnen jedoch an einer umfassenden Integration mangelt, und identifiziert Schlüsselelemente wie Schwachstellenanalysen, Bedrohungsmodellierung und KI als essenziell für die Entwicklung robuster, proaktiver Abwehrmechanismen.
Diese Arbeit präsentiert eine systematische Ablationsstudie zur Anpassung von TrOCR für die Erkennung mittelalterlicher Handschriften und zeigt auf, dass spezifische Strategien zum Einfrieren von Schichten sowie die Entfernung der Kontrastnormalisierung eine konkurrenzfähige Genauigkeit auf kleinen historischen Datensätzen erreichen können, während sie gleichzeitig Erkenntnisse zur Validierung über Datensätze hinweg und zur Interpretierbarkeit liefern.
Diese Studie schlägt ein Deep-Learning-Framework unter Verwendung des UNSW-NB15-Datensatzes für die Netzwerkintrusionserkennung und Multi-Class-Angriffsklassifizierung vor und zeigt auf, dass eine RNN-LSTM-Architektur durch optimierte Datenvorverarbeitungs- und Klassenbalancierungstechniken durch das Erreichen einer Genauigkeit von 97,42 % die ANN- und CNN-Modelle übertrifft.
Diese Arbeit zeigt, dass interpretierbare Modelle des maschinellen Lernens, die auf öffentlichen Merkmalen der ClinicalTrials.gov-Protokolle trainiert wurden, die Wahrscheinlichkeit des technischen und regulatorischen Erfolgs für Small-Molecule-Studien präzise vorhersagen können, wobei sie Standard-Benchmarks übertreffen und ein reproduzierbares Werkzeug für die risikoadjustierte Bewertung bieten.
Das Papier schlägt SupCon-Mamba vor, ein Framework für die Few-Shot-Hyperspektralzielerkennung, das einen Mechanismus zur Kodierung des lokalen Kontextes, ein Pyramiden-Mamba-Modul für eine effiziente multiskalige Spektralmodellierung und überwachtes kontrastives Lernen integriert, um falsch-negative Ergebnisse zu eliminieren und eine überlegene Detektionsleistung mit minimalen beschrifteten Stichproben zu erzielen.
LGAgent ist ein strukturierter, regelgeleiteter Multi-Agenten-Framework, das kollaborative Interaktionen zwischen LLMs unterschiedlicher Skalierung nutzt, um professionelle juristische Arbeitsabläufe nachzubilden und dadurch eine interpretierbare, verifizierbare und überlegene adjudikative Argumentation im Vergleich zu Standard-Einzelmodell-Ansätzen zu liefern.
Dieses Paper stellt AIMAPP vor, ein selbstüberwachtes, ROS-kompatibles Framework, das Online-Kartierung, Lokalisierung und Planung für autonome Roboter in unbekannten Umgebungen vereinheitlicht, indem es Active Inference nutzt, um dynamisch spärliche topologische Karten aufzubauen und die Exploration mit zielgerichteter Navigation auszubalancieren, ohne dabei auf vordefinierte Karten oder Vortraining angewiesen zu sein.
Dieses Papier schlägt eine hybride Bitcoin-Prognose-Engine vor, die eine durch Permutationsentropie gesteuerte zweischichtige Signaldekomposition (CEEMDAN-VMD) mit einem durch Multi-Swarm-Optimierung optimierten Deep Neural Network integriert und damit eine statistisch signifikante überlegene Leistung in Bezug auf Genauigkeit und Richtungsprädiktion im Vergleich zu Baseline-Modellen und Single-Swarm-Alternativen demonstriert.
Dieses Paper schlägt einen beitragsbewussten Federated Edge Learning Algorithmus (CA-FE-MADDPG) vor, der räumliche Interferenzmodellierung, feingliedrige Strafmechanismen und heuristisch gesteuerte Initialisierung integriert, um Spektruminterferenzen, unfaire Kreditallokation und die Nichtstationarität der Umgebung in massiven IoT-Netzwerken zu adressieren und dadurch den Systemdurchsatz, die Zugriffsraten sowie die Dienstqualität signifikant zu verbessern.