2403 papers
Dit artikel stelt een zero-shot adaptatiekader voor voor samengestelde beeldretrieval dat gebruikmaakt van gestructureerde semantische supervisie uit ongeannoteerde afbeeldingen om de fijnmazige retrieveprestaties in annotatiearme domeinen te verbeteren zonder afhankelijk te zijn van handmatig geannoteerde triplets.
Dit artikel stelt MESFusion voor, een nieuw framework dat de uitdagingen van heterogene featureverdeling en adaptieve integratie bij multimodale medische beeldfusie aanpakt door een Modality-Aware Enhancement module, een Spatial Gated Mamba module voor het vastleggen van langetermijnafhankelijkheden en een Statistical-Guided Adaptive Fusion module te combineren om een robuuste, hoogwaardige fusie over diverse datasets te bereiken.
Dit artikel stelt een lichtgewicht feature-recalibratiestrategie voor die de nauwkeurigheid van Fourier-contourregressie voor objectdetectie in remote sensing verbetert door adaptief relevante kanalen in de coëfficiëntregressietak te benadrukken, waarmee significante prestatiewinsten op meerdere benchmarks wordt behaald met een verwaarloosbare computationele overhead.
Dit artikel stelt een ruimtelijk-frequentie dual-domain raamwerk voor met een beperkt dynamisch fusiemechanisme om de modellering van globale structuren en het behoud van lokale details effectief in balans te brengen, waardoor een state-of-the-art prestatie voor bewegingsontblurring wordt bereikt terwijl ringvormige artefacten worden onderdrukt.
Dit artikel stelt een uitlegbaar sensitiviteitsbewust encryptiekader voor dat een Random Forest-model met SHAP-interpreteerbaarheid gebruikt om de gevoeligheid van e-mails dynamisch te beoordelen en adaptieve hybride AES–ECC-encryptie toe te passen, waardoor een balans wordt gevonden tussen computationele efficiëntie en robuuste bescherming voor bedrijfscommunicatie.
Dit artikel stelt Agentic CAMA-DRL voor, een contextbewust multi-agent deep reinforcement learning-framework dat bezorgoperators, laadstations, vlootplanners en milieuregulatoren coördineert om het opladen van e-bikes in de stedelijke last-mile logistiek te optimaliseren, waarbij significante verbeteringen worden bereikt in vlootbenutting, punctualiteit, congestiereductie en CO2-emissies vergeleken met traditionele regelgebaseerde benaderingen.
Deze studie stelt een generaliseerbare zevenstaps-workflow voor voor stacking ensemble learning in educational data mining die, door middel van rigoureuze cross-institutionele validatie en data leakage-auditing, onthult dat algoritmische complexiteit alleen de voorspellende nauwkeurigheid niet kan waarborgen en de kritieke noodzaak van institutionele kalibratie en methodologische strengheid onderstreept.
Dit artikel stelt HDFC-ASS voor, een classificatie-regressie coöperatief fuzzy surrogaat-geassisteerd evolutionair algoritme dat een variabele-correlatie-gestuurde Kriging-strategie, een fuzzy classifier-geassisteerd lokaal exploitatiemechanisme en een convergentie-diversiteit-onzekerheid coöperatief criterium integreert om effectief dure hoogdimensionale multi-objectieve optimalisatieproblemen onder strikte evaluatiebudgetten op te lossen.
Deze studie stelt een lichtgewicht op MobileNetV2 gebaseerde CNN voor voor multiparameter huidbeoordeling met behulp van multi-licht gezichtsbeeldvorming, waarbij het potentieel van de aanpak wordt aangetoond terwijl de huidige beperkingen in kenmerkextractie en prestaties als gevolg van datasetonbalans en een kleine steekproefomvang worden benadrukt.
Deze studie stelt een ensemble deep learning-model voor dat InceptionResNetV2 en ResNet-18 combineert, getraind op lokaal verkregen Nigeriaanse mammogramgegevens, die een nauwkeurigheid van 99,26% bereikte in het classificeren van borstkanker in BI-RADS-categorieën, waarmee individuele modellen wordt overtroffen en het belang van het gebruik van lokaal representatieve datasets voor AI-ontwikkeling wordt benadrukt.