2354 Arbeiten
Dieses Paper schlägt ein kosteneffizientes, robustes Zwei-Wege-Authentifizierungsprotokoll für kostengünstige RFID-Systeme in IoT-Umgebungen vor, das das Rabin-Kryptosystem mit der Erzeugung von Zufallszahlen integriert, um die Privatsphäre zu erhöhen, Replay- und Brute-Force-Angriffe zu verhindern und die Aktualität der Informationen zu gewährleisten.
Dieses Paper schlägt ein parametereffizientes Framework zur Erkennung der Parkinson-Krankheit vor, das vortrainierte visuelle Fundamentmodelle mit drei leichtgewichtigen Adaptern (global, lokal und tokenbasiert) nutzt, um eine wettbewerbsfähige Leistung bei OCT-Bildern zu erzielen, während die Anzahl der trainierbaren Parameter im Vergleich zu herkömmlichen tiefen neuronalen Netzen signifikant reduziert wird.
Dieses Paper schlägt ein dreistufiges, konkavitätsbewusstes harmonisches Feld-Punkt-Linie-Framework vor, das durch die Kombination von adaptiver ellipsoider Beschnittung, einer Metrik der Lokationsstärke und einer randbewussten Graphsuche eine hochgenaue und effiziente 3D-Zahnsegmentierung für die kieferorthopädische CAD ermöglicht und eine robuste klinische Anwendbarkeit auf dem Teeth3DS-Benchmark demonstriert.
Diese Studie vergleicht neun Modelle des maschinellen Lernens anhand niederländischer Autobahndaten, um fünf Arten unsicherer Straßenbedingungen vorherzusagen, wobei festgestellt wurde, dass Random Forest und XGBoost Deep-Learning-Ansätze übertreffen, während gleichzeitig aufgezeigt wird, dass Wettermerkmale prädiktiver sind als die Nähe zur Infrastruktur, wenngleich Datenknappheit und grobe Merkmale derzeit die Zuverlässigkeit der Modelle für eine kalibrierte Risikovorhersage einschränken.
JANUS ist eine Hochleistungsarchitektur, die Trusted Execution Environments über vertrauensunwürdige Netzwerke hinweg durch ein Split-Trusted-Computing-Base-Design föderiert und durch die Verankerung der Schlüsselfreigabe an Hardware-Messungen sowie die Ausführung der Durchsetzung innerhalb des Kernels eine verschlüsselte Routenführung mit nativer Geschwindigkeit bei minimalem Latenz-Overhead erreicht.
Die von der menschlichen Neurogenese inspirierte Methode zur neuronalen Expansion namens SimGrowNet erweitert kompakte Modelle während des Trainings progressiv und minimiert dabei die Redundanz von Neuronen durch Ähnlichkeitsbasierte Beschränkungen, wodurch die Merkmalsdiversität erhöht, Shortcut-Learning gemildert und bestehende Baselines auf mehreren Bilderkennungsdatensätzen übertroffen wird.
Diese Studie zeigt, dass die Leistung von WordBinary bei der Erkennung der Textähnlichkeit zwar systematisch abnimmt, wenn wiederverwendete Inhalte in kürzere Passagen fragmentiert werden, das System jedoch robust und effektiv bleibt, indem es über 90 % der absichtlich wiederverwendeten Wörter erfolgreich rekonstruiert, selbst wenn diese über zahlreiche kleine Fragmente verteilt sind.
Dieses Paper schlägt eine auf Fuzzy-Graphen basierende Methodik vor, um Unsicherheit in sozialen Netzwerken durch die Neudefinition klassischer Zentralitätsmaße zu modellieren, wobei durch eine Fallstudie der Fakultät der Universität Teheran demonstriert wird, dass dieser Ansatz nuancierte Beziehungsstärken erfasst und im Vergleich zu traditionellen scharfen Modellen distinkte Akteursrankings liefert.
Das Papier stellt PHCTQA vor, ein leichtgewichtiges und schnelles KI-System, das einen physik-informierten Multi-View- und Multi-Instance-Learning-Ansatz nutzt, um zehn Kopf-Thorax-NCCT-Qualitätsdefekte in Echtzeit präzise zu identifizieren, wobei es jüngere Radiografen deutlich übertrifft und die Rescan-Raten in ressourcenbeschränkten Umgebungen reduziert.
Dieses Paper schlägt SA-RGLP vor, ein neuartiges Framework, das die Metapherdetektion durch die Integration von syntaktisch bewusster Inkongruenzmodellierung mit durch LLMs abgeleiteten Soft-Priors mittels residueller Graph-Label-Propagation verbessert, um globale semantische Strukturen sowie relationales Denken über Proben hinweg zu erfassen und dadurch auf mehreren Benchmarks State-of-the-Art-Ergebnisse zu erzielen.