2403 papers
Dit artikel stelt het Deep Twin-Stream Sparse Spatiotemporal Quantum Diffusion (STQD) framework voor, dat sparse twin-stream transformers, quantum-codering en quantum-diffusiemodellen integreert om cyberaanvallen in slimme elektriciteitsnetten effectief te detecteren, waarbij een superieure generalisatie en hoge F1-scores op diverse benchmark-datasets worden bereikt.
Dit artikel introduceert DRAgent, een agentisch multidisciplinair framework dat een nieuwe grootschalige dataset en een op rollen gebaseerd multi-agent systeem benut om superieure, geïndividualiseerde behandelplannen voor diabetische retinopathie te genereren door effectief de samenwerking tussen specialisten in de oogheelkunde en endocrinologie te simuleren.
Dit artikel stelt een parameter-efficiënt, spreker-bewust hybride framework voor dat hiërarchische extractieve condensatie, LoRA-gebaseerde adaptatie en reinforcement learning met een nieuwe spreker-attributiebeloning combineert om de getrouwheid aanzienlijk te verbeteren en hallucinaties te verminderen bij dialoogsamenvattingen, terwijl een concurrerende lexicale kwaliteit behouden blijft.
Deze studie analyseert gedragssignalen van meer dan 1.000.000 interacties op grote korte-videoplatforms om aan te tonen dat dynamische patronen van gebruikersbetrokkenheid, met name indicatoren van rationaliteit en nieuwsgierigheid, effectiever zijn dan demografie bij het voorspellen van lidmaatschap van echokamers rondom misleidende door AI gegenereerde video's, waardoor privacybewuste waarschuwingssystemen worden ondersteund.
Deze studie introduceert Progressive Residual LightGBM (PRLGB), een driestaps ensemblemodel dat standaard boomgebaseerde algoritmen aanzienlijk overtreft bij het voorspellen van 5G Quality-of-Service resourceallocatie door effectief residuele fouten te leren en onzekerheidsbewuste kenmerken te fuseren om superieure nauwkeurigheidsmetrieken te bereiken.
Deze studie introduceert een Engels-Arabische benchmark-corpus afgeleid van Amerikaanse presidentiële toespraken en een bijbehorend evaluatiekader dat is ontworpen om systematisch het vermogen van AI-translatiesystemen te beoordelen om impliciete politieke betekenis te behouden, met name strategieën van indirectheid en het vermijden van namen, die vaak over het hoofd worden gezien ten gunste van lexicale nauwkeurigheid.
IZSafe is een embedded deep-learning systeem dat inertiesensoren op zuurstofflessen van brandweerlieden gebruikt om real-time, micro-niveau situationeel bewustzijn te bereiken door individuele bewegingen met 93,85% nauwkeurigheid te herkennen op een ARM Cortex-M4 microcontroller.
Deze studie stelt een condition-aware multi-scale Long- en Short-term Time-series Network (CA-MS-LSTNet) voor, geoptimaliseerd door een verbeterd Bat Algorithm, om de ultra-kortetermijnvoorspellingsnauwkeurigheid van windturbineparameters aanzienlijk te verbeteren door effectief niet-lineaire, heterogene en operationele conditie-afhankelijke temporele kenmerken in SCADA-data te modelleren.
Deze studie stelt een compact convolutioneel neuraal netwerkframework voor en valideert dit, dat software-defined radio-opnames van drone-videotransmissies omzet in tijdreeksafbeeldingen voor real-time, nauwkeurige detectie met aanzienlijk lagere computationele kosten vergeleken met traditionele spectrogram-gebaseerde methoden.
Dit artikel presenteert een compact, voor de CPU geoptimaliseerd ALPR-systeem dat is afgestemd op uitdagende Vietnamese wegomstandigheden, waarbij een YOLOv8n-detector, ByteTrack, snelle deskewing en ONNX-versnelde OCR met spatiotemporele stemming worden geïntegreerd om een hoge nauwkeurigheid en realtime prestaties te bereiken ondanks ongunstige weersomstandigheden, bewegingsonscherpte en diverse kentekenformaten.