8019 papers
Dit onderzoek toont aan dat de keuze van de grafconstructietechniek, met name de Gabriel-graf, een aanzienlijke impact heeft op de prestaties van een Graph Attention Network voor het detecteren van IoT-botnetten, waarbij deze methode een nauwkeurigheid van 97,56% bereikte vergeleken met andere technieken.
Dit paper introduceert PAG, een nieuw framework voor benaderde dichtstbijzijnde buurzoekopdrachten dat projectietechnieken integreert in een grafindex om tegelijkertijd hoge query-efficiëntie, snelle indexering, een beperkt geheugengebruik en schaalbaarheid te bieden, wat resulteert tot vijf keer snellere prestaties dan HNSW.
Dit paper introduceert EnsAug, een trainingsparadigma dat een ensemble van specialistische modellen gebruikt, waarbij elk model is getraind op een unieke geometrische augmentatie, om de prestaties en modulariteit bij de analyse van menselijke bewegingssequenties te verbeteren ten opzichte van de traditionele aanpak van één model op een gecombineerd dataset.
Het paper introduceert HyperTokens, een transformer-gebaseerde token-generator die voortdurend video-taalbegrip verbetert door dynamische prompts te genereren en meta-geïnspireerde regularisatie te gebruiken om vergeten te voorkomen en de prestaties op benchmarks te maximaliseren.
Dit paper introduceert ERP-RiskBench, een reproduceerbaar en lekveilig ensemble-leerframework voor het detecteren van financiële risico's in ERP-systemen, dat door middel van strikte validatieprotocollen en een hybride dataset de prestaties van eerdere studies corrigeert en procurement-controles als belangrijkste voorspellers identificeert.
De auteurs presenteren een onbewaakte CNN-autoencoder met een gewogen spectrale hoekafstand (WSAD) voor het automatisch ontwarren van micro-IR spectroscopische beelden van historische olieverfschilderingen, zoals de Ghentse Altaarstuk, om de interpretatie van complexe materiaalmengsels te versnellen en te objectiveren.
Dit artikel toont aan dat Graph Neural Networks (GNNs) de traditionele TabNet-modellen overtreffen bij het schatten van het impuls van muonpartikels in het CMS-experiment, waarbij de dimensie van de knoopkenmerken een cruciale rol speelt voor de efficiëntie.
Dit artikel introduceert een hybride model dat Few-Shot Learning combineert met Explainable AI om plantenziekten bij maïs, rijst en tarwe ook bij beperkte data nauwkeurig te diagnosticeren en transparante inzichten te bieden.
Dit paper introduceert PRPO, een trainingsmethode die conflicten tussen beloningssignalen en data oplost, en MCDR-Bench, een objectieve evaluatiebenchmark, om de diepe analysecapaciteiten van LVLMs voor diagrammen systematisch te verbeteren.
Deze paper introduceert een plug-and-play strategie die Monte-Carlo-steekproeven en een extra achterwaartse stap combineert om de schattingsfouten bij stochastische differentiaalvergelijkingen te verminderen, waardoor de geleide generatie van afbeeldingen en andere data in diverse toepassingen significant verbetert.
Dit artikel introduceert een nieuw, onbewaakt leerframework dat convolutiefilters en neurale netwerken gebruikt om ruisige ionenstraalbeelden te reconstrueeren en zo de resolutie van straalhalo's aanzienlijk verbetert zonder trainingsdata.
Dit artikel introduceert Soft Equivariance Regularization (SER), een plug-in regularisatiemethode die invariance en equivariantie in zelftoezichtend leren ontkoppelt door equivariantie op een tussenlaag af te dwingen, wat leidt tot verbeterde prestaties op ImageNet en robuustheid tegen geometrische verstoringen zonder extra voorspellingskoppen.
Dit paper stelt dat MLLMs die alleen RGB-gegevens verwerken fundamenteel tekortschieten in ruimtelijk inzicht door camera-parameters te negeren, en introduceert daarom een camera-bewust raamwerk dat door het integreren van camera-intrinsieke parameters en data-augmentatie zorgt voor robuustere en generaliseerbare ruimtelijke redeneerfähigheden.
Dit artikel toont aan dat het toepassen van conformalized quantile regression op deep learning-modellen voor het voorspellen van zonnevlammen uit magnetische veldkaarten leidt tot betrouwbaardere voorspellingen met nauwkeurigere betrouwbaarheidsintervallen dan andere methoden.
Dit paper introduceert ATLAS, een reinforcement finetuning-framework dat kleine taalmodellen in staat stelt om effectief te opereren in grote tool-ecosystemen door contextbeheer en uitvoering als leerbare beslissingen te behandelen, waardoor ze met beperkte middelen prestaties kunnen bereiken die dicht bij die van geavanceerde agenten liggen.
Deze studie presenteert een schaalbaar proces voor het genereren van klinisch consistente synthetische patiënttrajecten door een kennisgebaseerd generatief model te combineren met een geautomatiseerde auditmodule op basis van grote taalmodellen, wat resulteert in data die statistisch en klinisch betrouwbaar is voor downstream-toepassingen zonder privacyrisico's.
Dit paper introduceert ProtAlign, een contrastief leerframework dat een gedeelde inbeddingsruimte creëert voor eiwitsequenties en -structuren, waardoor cross-modale zoekopdrachten worden verbeterd en downstream-taken zoals functietoewijzing en stabiliteitsschatting worden versterkt.
Dit artikel introduceert een tweestroms bi-directioneel feedbackfusieframework dat menselijke activiteiten en omgevingsfactoren integreert om de voorspelling van binnenluchtkwaliteit (CO2 en PM2.5) significant te verbeteren ten opzichte van bestaande methoden.
Dit paper introduceert FutureBoosting, een hybride AI-ramenwerk dat de voorspellingsnauwkeurigheid van elektriciteitsprijzen aanzienlijk verbetert door forecasted features van een gefrozen tijdsreeks-foundation model te integreren in een regressiemodel, wat resulteert in een reductie van de gemiddelde absolute fout van meer dan 30%.
Het paper introduceert de Safe Transformer, een modulaire aanpak die een expliciete veiligheidsbit in taalmodellen integreert om zowel de interpretatie van veiligheidsbeslissingen als de controle over het gedrag van het model te verbeteren zonder volledige hertraining.