2363 papers
Dit artikel introduceert Uncertainty-Aware Variational Quantum Feature Learning (UVQFL), een hybride framework dat de betrouwbaarheid van hoogdimensionele classificatie verbetert door adaptieve feature-weging en onzekheidsschatting te integreren in variatieve kwantumcodering, waarmee een beste validatienauwkeurigheid van 84,62% op de MNIST-dataset wordt bereikt.
Dit artikel stelt PSCD-GS voor, een nieuw framework dat 3D Gaussian Splatting verbetert door beeldruimte-perceptuele responsen te integreren met multi-view structurele bewijsvoering om rolbewuste, collaboratieve densificatie mogelijk te maken die de preservatie van fijne texturen, grenzen en dunne structuren verbetert terwijl een gecontroleerde representatie behouden blijft.
Deze studie toont aan dat de voorspellende bruikbaarheid van variationele kwantumpoorten in recurrente weersvoorspellingen architectuurafhankelijk is, waarbij Quantum GRU's beter presteren dan zowel compacte als exacte klassieke surrogaten, terwijl Quantum LSTM's een vergelijkbare prestatie leveren als hun klassieke tegenhangers, uitsluitend wanneer zij in parameteraantal en structuur overeenstemmen.
Dit artikel presenteert een hybride post-kwantumveilige framework voor Wireless Body Area Networks die door de integratie van NIST-gestandaardiseerde ML-KEM en ML-DSA algoritmen, blockchain-gebaseerde auditlogging en AI-gestuurde intrusiedetectie gevoelige patiëntgegevens beschermt tegen zowel huidige als toekomstige kwantumdreigingen, terwijl een lage latentie en een hoge nauwkeurigheid in dreigingsclassificatie worden bereikt.
Dit artikel stelt volledig gedistribueerde statische en dynamische algoritmen voor en evalueert deze, die modulaire robotische systemen, of programmeerbare materie, in staat stellen om hun mechanische stabiliteit te verifiëren en de integriteit van verbindingen te beoordelen, zowel in hun huidige configuratie als tijdens vormreconfiguratie.
Dit artikel stelt een laag-specifieke debiasing-framework voor voor bevroren CLIP ViT die hiërarchische afhankelijkheid van shortcuts vermindert door middel van gerichte ruimtelijke, frequentie- en semantische interventies, waardoor de cross-generator generalisatie van AI-gegenereerde beelddetectoren wordt verbeterd.
Dit artikel stelt MACRDR voor, een raamwerk voor multi-agent samenwerking en reflectie dat de diversiteit van nieuwsrecomandaties en de ontdekking van interesses verbetert door het proces te herformuleren als een dynamisch mechanisme voor intentiecalibratie, waarbij voorspellende en reflectieve agenten gezamenlijk gebruikersprofielen aanpassen om filterbubbels te mitigeren en evoluerende voorkeuren te vangen.
Deze studie toont aan dat strikte, lekbestendige protocollen, in het bijzonder route-held-out validatie, essentieel zijn voor geloofwaardige detectie van rijdersvermoeidheid, waarbij wordt onthuld dat hoewel gepoolde histogram-gebaseerde gradient boosting een hoge prestatie levert onder standaard splitsingen, het lijdt onder een aanzienlijke route-transferstraf en dat complexe modaliteitsfusie niet beter presteert dan eenvoudigere gepoolde modellen.
Dit artikel introduceert Pixel-Translation-Equivariant Quantum Convolutional Neural Networks (PCS-QCNNs) die de mismatch tussen de symmetrieën van beeldcodering en standaard qubit-permutaties oplossen door Fourier-gemultiplexeerde lagen te construeren die exact commuteren met cyclische pixelverschuivingen, waarbij een superieure prestatie wordt aangetoond ten opzichte van niet-equivariante quantumcontrols op vertaalde MNIST-benchmarks, terwijl kritieke train-deploy mismatches voortvloeiend uit eindige-shot samplingkosten worden belicht.
Dit artikel presenteert een snelle, op PRISMA gebaseerde evidence review van 33 studies naar betrouwbare agentische AI, waarbij de T-SAFE-taxonomie en een gelaagd framework worden geïntroduceerd om kritieke tekortkomingen op het gebied van veiligheid, uitlegbaarheid, alignment en menselijk toezicht aan te pakken, terwijl tegelijkertijd de huidige onderzoeksverwaarlozing van eerlijkheid wordt benadrukt.