3775 Arbeiten
Diese systematische Literaturübersicht analysiert kritisch Techniken des maschinellen Lernens zur Personen- und Szenenanalyse mittels augenreflektierter Bilder, indem sie 12 Primärstudien synthetisiert, um eine Forschungstaxonomie vorzuschlagen, zentrale Lücken zu identifizieren und zukünftige Richtungen für dieses aufstrebende Feld zu skizzieren.
Diese Studie bewertet und vergleicht fünf Algorithmen des maschinellen Lernens, einschließlich optimierter Ensemble- und Boosting-Modelle, auf dem Pima Indians Diabetes Datensatz, um das Diabetesrisiko vorherzusagen, wobei der optimierte Random Forest als das genaueste Modell identifiziert wurde und eine SHAP-Analyse die Glukose, den BMI und das Alter als die entscheidenden prädiktiven Faktoren bestätigte.
Dieses Paper präsentiert HEEH-V1, einen Open-Source-DICOM-Research-Viewer, und validiert dessen quantitative Bildverarbeitungs-Workflows durch rigorose Tests gegen Referenzsoftware und Phantomdaten, wobei die Reproduzierbarkeit bestätigt wird, während explizit darauf hingewiesen wird, dass diese Ergebnisse weder die klinische Leistungsfähigkeit noch die vollständige regulatorische Konformität belegen.
Diese Arbeit untersucht das Feld der Text-Multimedia-Retrieval und analysiert Methoden wie multimodale Fusion und Deep Learning, um Herausforderungen wie die semantische Lücke und die Skalierbarkeit bei der Abfrage von Multimedia-Inhalten mittels natürlicher Sprachabfragen zu bewältigen.
Diese schnelle Scoping Review von 69 KI- und ML-Studien in der Altenpflege zeigt, dass aktuelle Berichterstattungspraktiken die technische Modellentwicklung gegenüber essenziellen systemischen Aspekten wie externer Validierung, Unsicherheitsquantifizierung und Kontextdetails zum Einsatz priorisieren, was darauf hindeutet, dass bestehende Leitlinien für medizinische KI für die Komplexität der Altenpflege unzureichend sind.
Diese Studie zeigt, dass die Integration von AES-256-GCM-authentifiziertem Speicher mit vollständig homomorpher Verschlüsselung eine sichere End-to-End-Maschinelles-Lernen-Inferenz mit minimalem Verlust an Vorhersagegenauigkeit ermöglicht, trotz des erheblichen Rechenaufwands im Vergleich zur Verarbeitung im Klartext.
Diese Studie stellt DamageArbiter vor, ein multimodales Arbitrierungs-Framework, das die Genauigkeit und Zuverlässigkeit der auf Street-View-Aufnahmen basierenden Schadensbewertung bei Katastrophen durch die Nutzung eines Meta-Klassifizierers zur Auflösung von Modell-Disagreements verbessert und dadurch die Klassifizierungsleistung im Vergleich zu bestehenden unimodalen und multimodalen Baselines signifikant steigert sowie Overconfidence-Fehler reduziert.
Diese Studie zeigt auf, dass Quanten-Kernel-Überlebensmodelle für das Rezidiv von Brustkrebs aufgrund ihrer Low-Qubit-Kodierung exakt mittels Shapley-Werten erklärt werden können, während sie gleichzeitig offenlegen, dass ihre Vorhersageleistung statistisch vergleichbar mit klassischen Radial-Basis-Kerneln ist und gegenüber Rauschen robust bleibt, was darauf hindeutet, dass ihr primärer praktischer Wert eher in der Interpretierbarkeit als in einer überlegenen Genauigkeit liegt.
Dieses Paper schlägt RDC-MOEA vor, einen durch einen Radius-Decoder unterstützten eingeschränkten mehrkriteriellen evolutionären Algorithmus, der die Sensoraktivierung und den Energieverbrauch gleichzeitig für eine probabilistische starke Barriereabdeckung in multimedia-basierten drahtlosen Sensornetzwerken optimiert, indem binäre Aktivierungsmuster entwickelt und ein spezialisierter Decoder zur Konstruktion adaptiver Sensorradien verwendet werden, wodurch im Vergleich zu bestehenden Varianten eine überlegene Leistung und Robustheit erreicht wird.
Dieses Paper schlägt DDI-VO vor, eine neuartige End-to-End-Monokular-Visual-Odometry-Architektur, die dichte und dünnbesetzte Methoden durch einen geometrieorientierten Attention-Mechanismus und geometrisches Curriculum-Learning vereinigt, um eine überlegene Robustheit unter anspruchsvollen Bedingungen bei gleichzeitiger Beibehaltung einer wettbewerbsfähigen Genauigkeit zu erreichen.