3775 Arbeiten
Dieses Paper stellt MobileNetV2-KAN+ vor, eine leichtgewichtige Architektur mit 3,65 Millionen Parametern, die ein MobileNetV2-Backbone mit einem beschränkten Kolmogorov-Arnold-Network-Klassifikator kombiniert, um eine robuste, gut kalibrierte dataset-übergreifende Erkennung der Fruchtreife zu erreichen, ohne auf vortrainierte Gewichte oder große Modellgrößen angewiesen zu sein.
ST-KEDA ist ein prädiktives, kostensensitives Autoscaling-Framework für Kubernetes-Mikroservices, das Variational Mode Decomposition und topologiebewusste, kooperative LSTM-Prognosen mit Echtzeit-Kostenschätzungen integriert, um Infrastrukturkosten und Skalierungslatenzen unter Einhaltung strenger SLA-Vorgaben signifikant zu reduzieren.
Dieses Paper stellt FCI-SF vor, den ersten global konsistenten, auf Constraints basierenden Algorithmus für das Lernen kausaler Strukturen mit Streaming-Features, der kausale Graphen effizient aktualisiert, während neue Daten eintreffen, wobei er formale asymptotische Garantien bietet und eine überlegene Genauigkeit sowie Geschwindigkeit sowohl auf synthetischen als auch auf realen Datensätzen demonstriert.
Das Papier stellt LipiNet vor, eine leichtgewichtige und robuste Architektur für die Erkennung von handgeschriebenen Devanagari-Zeichen, die durch scaffold-injizierte dichte Residuumsnetzwerke und gated Capsule Routing strukturelle Prioren nutzt, um eine State-of-the-Art-Genauigkeit (99,75 %) mit nur 3,9 Millionen Parametern zu erreichen.
Diese Studie evaluiert neun große Sprachmodelle bei multilingualen juristischen Argumentationsaufgaben und zeigt auf, dass deren Entscheidungsprozesse oft instabil sind, gekennzeichnet durch inkonsistente Begründungen, unzuverlässige Selbstprüfungen und einen Mangel an semantischer Kohärenz, wodurch die Gültigkeit der Verwendung von bloßer Entscheidungsübereinstimmung als Maß für die Stabilität des Argumentationsvermögens infrage gestellt wird.
Dieses Paper schlägt ein ressourcenbewusstes Evaluierungsframework und ein Bayes-optimiertes hybrides Lernmodell vor, das synthetischen Netzwerkverkehr nutzt, der durch Conditional Variational Autoencoders (CVAE) generiert wurde, um Intrusion-Detection-Systeme für ressourcenbeschränkte IoT- und Edge-Umgebungen effektiv zu trainieren, wobei es eine überlegene Leistung und Effizienz im Vergleich zu Standard-GANs und Ensemble-Baselines demonstriert.
Dieses Paper schlägt ein robustes RGB-IR-Objekterkennungsframework vor, das durch Complementary Feature Maintenance und einen verbesserten Cross-modal Transformer die fehlenden Modalitätsinformationen effektiv wiederherstellt und die cross-modale Fusion verstärkt, um dadurch eine hohe Erkennungsleistung sowohl unter vollständigen als auch unter Bedingungen fehlender Modalitäten aufrechtzuerhalten.
Dieses Paper schlägt ein vorhersageunsicherheitsbewusstes, adaptives Dual-Timescale-Multi-Agenten-Ressourcenorchestrierungsframework für integrierte Energy Lakehouses vor, das einen unsicherheitsverbesserten MAPPO-Algorithmus nutzt, um die Nutzung erneuerbarer Energien, die Dienstlatenz und die Kohlenstoffemissionen gemeinsam zu optimieren, während es gleichzeitig die einzigartigen Komplexitäten heterogener Rechen-, Speicher- und Energieressourcen adressiert.
Diese Studie präsentiert ein durch einen Validierungssatz beschränktes Drei-Pfad-Fusionsframework zur Vorhersage der 24-Stunden-Mortalität im Krankenhaus, das eine konsistente interne Leistungssteigerung und Robustheit gegenüber Änderungen des EHR-Systems aufweist, jedoch signifikante Einschränkungen hinsichtlich der Datenbankübergreifenden Transportierbarkeit auf den eICU-Datensatz offenbart, bei dem die aus der Quelle abgeleiteten Fusionsgewichte nicht an die Datencharakteristika der neuen Umgebung anpassen können.
Dieses Papier präsentiert eine Methode zur Co-Inferenz von Primitiv-Grammatiken, die ausführbare Konstruktionslogik und wiederverwendbare Designparameter aus chinesischen Schlüssel-Fret-Mustern ohne aufgabenspezifisches Training rekonstruiert und somit kompaktere sowie editierbare Repräsentationen für die Dokumentation und Wiederverwendung des Kulturerbes ermöglicht.