3773 Arbeiten
Diese Studie analysiert fünfzig Jahre wissenschaftlicher Titeldaten, um zu zeigen, dass die Verwendung von Doppelpunkten zwar eine langjährige Konvention ist, die an Häufigkeit zunimmt, große Sprachmodelle jedoch Titel mit signifikant höheren Doppelpunktfrequenzen als menschliche Autoren generieren, ein Muster, das prompt-sensitiv ist und die Performance des Retrieval-Rankings beeinflusst.
Dieses Paper schlägt eine auf ResNet basierende Detektionsmethode vor, die Active Network Flow Watermarking (ANFW)-Angriffe im Tor-Netzwerk identifiziert, indem sie Verhaltensänderungen im Datenverkehr analysiert, um zwischen normalen und anomalen Flows zu unterscheiden, und dadurch die Anonymität von Tor gegen Rückverfolgung verbessert.
Dieses Paper stellt PACE vor, ein Framework für Smart Contracts, das eine zustandskonsistente Multi-Party-Autorisierung gewährleistet, indem es kollektive Entscheidungen durch ein zweistufiges gitterbasiertes Signaturverfahren an aktive Richtlinien und Ausführungskontexte bindet und dadurch die Konsistenz über Richtlinie, Entscheidung, Anfrage und Ausführung hinweg sicherstellt, während gleichzeitig stabile Verifizierungskosten beibehalten werden.
Das Paper schlägt CGH-DehazeNet vor, ein leichtgewichtiges Netzwerk zur Entnebelung eines einzelnen Bildes, das einen Channel Grouping Half-Convolution-Block für die Recheneffizienz und ein Cross-Attention Refinement Fusion-Modul zur Artefaktunterdrückung kombiniert und dabei mit nur 1,932M Parametern eine State-of-the-Art-Leistung erzielt.
Dieses Paper schlägt ein hybrides Framework vor, das ein nichtlineares, zweistufiges Sicherheits-Epidemiologiemodell mit einem tiefen neuronalen Netzwerk kombiniert, um die Dynamik der Malware-Ausbreitung zu analysieren, vorherzusagen und effizient zu simulieren, wobei eine hohe Genauigkeit und Recheneffizienz für Cybersicherheitsanwendungen nachgewiesen wird.
Diese Studie zeigt, dass eine geschützte lokale LLM-Pipeline zwar die direkte Abfrage bei der Generierung korrekter Antworten deutlich übertrifft, ihre internen Konsistenzprüfungen jedoch daran scheitern, die Auswahl ungeeigneter klinischer Rechner zu verhindern, was die kritische Notwendigkeit einer separaten Überprüfung der Anwendbarkeit vor dem Einsatz unterstreicht.
Diese Arbeit präsentiert eine Evidenzkarte, die aufzeigt, dass bestehende Metadaten-Spezifikationen zwar über die technische Kapazität verfügen, Lizenzierung und Provenienz auf Dateiebene zu verfolgen, jedoch eine kritische Lücke in deren Anwendung und Validierung über 29 Forschungskorpora hinweg besteht, was den Vorschlag für ein minimales Evidenzkit sowie neun handlungsorientierte Empfehlungen zur Überbrückung dieser Kluft nach sich zieht.
Diese Studie zeigt, dass die Wahrscheinlichkeitsausgaben von Entscheidungsmodellen Fehler in Fragen medizinischer Zulassungsprüfungen effektiv identifizieren, was eine kosteneffiziente Hybridstrategie ermöglicht, bei der die Weiterleitung der 20 % am wenigsten sicheren Antworten an ein stärkeres generatives Modell die Gesamtgenauigkeit signifikant steigert und gleichzeitig einen erheblichen Teil der durch ein ideales Orakel verfügbaren potenziellen Gewinne erfasst.
Diese Arbeit zeigt, dass die Anwendung strenger Datenvorverarbeitungstechniken, einschließlich SMOTE-Oversampling und Merkmalsauswahl, auf einen einzelnen Decision-Tree-Klassifikator die Recall-Rate der Betrugserkennung (77,46 %) auf einem unbalancierten europäischen Kreditkarten-Datensatz signifikant verbessert und damit eine recheneffiziente sowie interpretierbare Lösung trotz niedriger Präzision bietet.
Diese Arbeit bietet eine umfassende Übersicht über auf Computer Vision basierende Techniken zur 3D-Anomalieerkennung, die multimodale und Punktwolken-basierte Ansätze, pose-agnostische Methoden, Datensätze sowie Benchmarks abdeckt, während sie gleichzeitig Netzwerkarchitekturen analysiert, aktuelle Herausforderungen hervorhebt und zukünftige Forschungsrichtungen für die intelligente Fertigung skizziert.