3775 Arbeiten
Diese Studie schlägt HA-FedIDS vor, ein Federated-Learning-Framework, das durch die Kombination von physikalischen und Cyber-Merkmalen die Heterogenität der Clients und den Datenschutz in Smart-Grid-Netzwerken adressiert, um eine hochgenaue Erkennung von Cyberangriffen zu erreichen und dabei konventionelle dezentrale Methoden zu übertreffen.
Dieses Paper führt BOP-Distrib++ ein, ein neues Benchmarking-Framework, das die 6D-Pose-Evaluierung neu definiert, indem es lokale Symmetrien automatisch entdeckt, um bildweise Pose-Verteilungen zu generieren und dadurch eine genauere Bewertung sowohl von Single-Pose- als auch von Multi-Modal-Schätzverfahren unter visuellen Mehrdeutigkeiten ermöglicht.
Dieses Paper schlägt ein ressourceneffizientes, interpretierbares multimodales Benchmarking-Framework vor und evaluiert dieses, welches leichte visuelle und textuelle Modelle kombiniert, um im Vergleich zu unimodalen und großskaligen Baselines eine überlegene Genauigkeit und Erklärbarkeit bei der Klassifizierung medizinischer Bilder zu erreichen, was es besonders geeignet für klinische Settings mit geringen Ressourcen macht.
Das Papier schlägt VM-SPMamba vor, ein progressives Framework für die videobasierte sichtbare-Infrarot-Personenreidentifikation, das eine visionsmodulierte weiche Teil-räumliche Kodierung sowie eine teilweise bidirektionale zeitliche Mamba nutzt, um effektiv Modalitätsdiskrepanzen und die zeitliche Entwicklung zu modellieren und so eine Spitzenleistung auf Benchmark-Datensätzen zu erzielen.
Diese Studie schlägt eine neuartige Fuzzy-Transformer-CNN-GRU-Architektur vor, die meteorologische, Satelliten- und Stadtdaten mit unsicherheitsadaptiver Fuzzifizierung integriert, um eine hochgenaue, stabile und recheneffiziente eintägige PM2,5-Vorhersage für Teheran zu erreichen, wobei sie sieben Benchmark-Modelle mit einem RMSE von 0,73 µg/m³ übertrifft.
Diese Studie schlägt ein in der Cloud gehostetes CNN+BiLSTM+Attention-Modell vor und implementiert dieses, welches im Vergleich zu traditionellen und hybriden Deep-Learning-Ansätzen eine überlegene Genauigkeit bei der SMS-Spam-Erkennung (96,83 %) und Sicherheit erreicht und damit die Effektivität von Attention-Mechanismen bei der Schaffung praktischer, einsatzfähiger Spam-Filter-Lösungen demonstriert.
Diese Arbeit zeigt, dass eine kompakte, aus einer Multi-Methoden-Ranking-Strategie abgeleitete 15-Merkmals-Teilmenge auf dem ULB-Kreditkartenbetrugsdatensatz eine leistungsstarke Betrugserkennung über verschiedene Klassifikatoren hinweg ermöglicht, ohne dass ein SMOTE-Oversampling erforderlich ist, da Modelle, die auf der natürlichen Klassenverteilung trainiert wurden, bei Verwendung angemessen abgestimmter Schwellenwerte konsistent besser abschneiden als solche, die mit SMOTE trainiert wurden.
Diese Mixed-Methods-Studie mit 58 Cybersicherheitsexperten zeigt, dass die Mensch-LLM-Kollaboration zwar die Triage-Genauigkeit verbessert, der Grad der Abhängigkeit von KI-Empfehlungen jedoch signifikant je nach Aufgaben-Transparenz variiert, was spezifische Design-Imperative für den Bau vertrauenswürdiger, kontextsensitiver Cybersicherheits-Assistenten zur Vermeidung von Automatisierungs-Bias und zur Unterstützung eines kalibrierten menschlichen Urteilsvermögens zur Folge hat.
Diese Thesis schlägt das Ritual Time Window Smart Contract (RTWSC)-Framework vor und evaluiert dieses, ein integriertes intelligentes Transportsystem, das Blockchain-basierte Smart Contracts, IoT-Daten und elektrisches Ride-Sharing kombiniert, um das Verkehrsaufkommen, die Emissionen und die Wartezeiten signifikant zu reduzieren sowie die Fairness bei der Zuweisung für Hajj-Pilger zu verbessern.
Das Papier schlägt RGDRec vor, ein Framework für soziale Empfehlungen, das die negativen Auswirkungen verrauschter sozialer Verbindungen mildert, indem es die Zuverlässigkeit von Beziehungen schätzt, um eine stochastische Graph-Entrauschung zu leiten, und durch Einsatz von domänenübergreifendem kontrastivem Lernen soziale und Interaktions-Repräsentationen aufeinander abstimmt, wodurch die Empfehlungsleistung und Robustheit gesteigert werden.