2403 papers
Dit artikel introduceert SRM-UNet, een lichtgewicht netwerk dat een expliciet structuur-regio-prior samenwerkingsmechanisme en multi-receptiefveld-leren gebruikt om nauwkeurige, hulpbron-efficiënte segmentatie van huidlaesies op dermoscopische beelden met wazige grenzen en onregelmatige vormen te bereiken.
Dit artikel stelt een intelligent cross-modaal uitlijningsframework voor dat gebruikmaakt van een op GCLAN gebaseerde tekst-naar-afbeelding-synthesemodule en een op GQ2PHPT gebaseerde beeldbeschrijvingsmodule om cataphorische afhankelijkheden te modelleren, waardoor een hoge nauwkeurigheid in inhoudelijke extractie en generatie wordt bereikt met een succespercentage van 0,9422 en een algehele nauwkeurigheid van 98,9734%.
Dit artikel stelt EAMF voor, een besluitgerichte framework die multimodale conversationele emotieherkenning verbetert door complementair bewijs te construeren om specifiek ambigue beslissingen tussen nauw strijdende emotieklassen op te lossen, waardoor een verbeterde prestatie wordt bereikt op uitdagende minderheidscategorieën.
Het artikel stelt CASCADE voor, een interpreteerbare adaptieve cross-modale fusiemodule voor scène-tekstherkenning die gebruikmaakt van een moeilijkheidsgraadschatter en een ontkoppeld gating-mechanisme om visuele en linguïstische kenmerken dynamisch in balans te brengen, waarmee het de state-of-the-art prestaties op meerdere benchmarks bereikt terwijl het transparante inzichten biedt in de besluitvorming.
Dit artikel toont aan dat in graafgebaseerde netwerkinbreukdetectie kenmerken van randgewichtconcentratie beter presteren dan traditionele knoopgraadmetrieken wanneer netwerkadresvertaling (NAT) meerdere hosts samenvoegt tot enkele identiteiten, wat onthult dat deze twee families van kenmerken complementair zijn langs de as van identiteitsinstorting en dat een compacte, lekvrije graafcontextuele kenstenset bijna de baseline-prestaties kan bereiken met aanzienlijk lagere trainingskosten.
Dit artikel stelt een intelligent multi-objective clusterhead-selectiekader voor tactische draadloze sensornetwerken voor dat K-means ruimtelijke clustering, temporele anomaliedetectie en Q-learning integreert om gelijktijdig energie-efficiëntie, beveiliging en informatieversheid (AoI) te optimaliseren, waarbij superieure prestaties ten opzichte van bestaande methoden wordt aangetoond in simulaties.
Deze systematische review van 33 studies onthult dat hoewel encoder-gebaseerde 3D GAN-inversie real-time reconstructie en bewerking mogelijk maakt, primair op hoogwaardige hardware met behulp van EG3D-gebaseerde architecturen, de brede adoptie momenteel wordt beperkt door uitdagingen in het balanceren van snelheid met 3D-consistentie en een gebrek aan robuuste geometrische evaluatie buiten datasets van vooraanzichten.
Dit artikel introduceert en valideert empirisch de Fairness Hazard Analysis (FHA), een gestructureerde methodologie voor het systematisch identificeren en mitigeren van eerlijkheidsrisico's in socio-technische processen tijdens requirements engineering, waarbij de praktische effectiviteit ervan wordt aangetoond door middel van focusgroepen en een meercasestudy in organisatorische omgevingen.
Dit artikel stelt EduReview-QE voor, een geloofwaardigheidsbewust en uitlegbaar multi-criteria framework dat ruisende online beoordelingen transformeert in diagnostisch bewijs voor onderwijshervorming door beoordelingen te decomponeren in aspect-sentimenteenheden, te filteren op geloofwaardigheid en temporele relevantie, en dimensie-niveau scores te aggregeren via entropie/CRITIC-weging en TOPSIS-kalibratie om superieure evaluatieprestaties te bereiken.
Dit artikel stelt een lichtgewicht adaptief fusiebeleid voor dat de detectie van zero-day aanvallen in Industrial IoT aanzienlijk verbetert door closed-world classificators te combineren met unsupervised open-set detectoren, waarbij superieure prestaties worden aangetoond ten opzichte van gevestigde baselines, terwijl beperkingen in de cross-dataset transferabiliteit worden erkend.