2403 papers
Dit artikel stelt een methode voor voor het schatten van de volledige 3D-vorm en pose van transparante objecten vanuit een enkele RGB-D-afbeelding door gebruik te maken van YOLO11 voor initiële detectie en door iteratief een categorie-specifiek statistisch vormmodel te optimaliseren om de beperkingen van conventionele dieptesensoren te overwinnen.
CAPE-Net is een conforme, adaptieve en drift-bewuste early-exit classifier die het voor ISP's mogelijk maakt om nauwkeurige, gecertificeerde en onderhoudbare classificatie van versleuteld verkeer uit te voeren op pakketsequentie-metadata door distributievrije foutgaranties, onthouding bij onbekende applicaties en efficiënt per-klasse drift-herstel te integreren binnen één compact model.
Dit artikel stelt een blockchain-gebaseerd Policy-Based Access Control (PBAC)-framework voor en evalueert dit, geïmplementeerd op Hyperledger Besu met behulp van Solidity smart contracts om veilige, AVG-conforme en patiëntgerichte medische gegevensdeling met dynamische toestemming en transparante auditing te bereiken, waarbij een evenwichtige afweging wordt aangetoond tussen prestatie-efficiëntie en patiëntautonomie over verschillende consensusmechanismen heen.
Deze systematische literatuurstudie, die voldoet aan de PRISMA 2020-richtlijnen, analyseert 32 studies over het gebruik van grote taalmodellen voor wiskundige ontdekking om zeven technische paradigma's te identificeren, de superieure effectiviteit van evolutionaire zoektocht gecombineerd met formele verificatie te benadrukken, en een taxonomie te bieden om toekomstig onderzoek in het veld te begeleiden.
Dit artikel stelt een detectiemethode voor voor IIoT-cyberaanvallen die technieken voor het verwerken van klassenonbalans, zoals Borderline-SMOTE, combineert met een CNN–BiLSTM–Attention-model om de herkenning van minderheidsaanvalsklassen en de algehele detectieprestaties op de TON-IoT-dataset aanzienlijk te verbeteren.
Dit artikel introduceert TrustSLM, een vertrouwen-bewust framework dat de outputs van meerdere grote taalmodellen aggregeert met behulp van betrouwbaarheidsmetrieken om hallucinaties te detecteren, de accuratieradicaal van overmoedige fouten te identificeren en reacties te reguleren via een gecontroleerd onthoudingsbeleid voor veiligere AI-implementatie.
Dit artikel stelt YOLOv11-AHFE voor, een nieuw algoritme voor het detecteren van oppervlaktefouten dat een dual-stream wavelet-transformatie en een hoogfrequente verbeteringsmodule integreert in de YOLOv11-architectuur om kritieke hoogfrequente details te behouden en te herstellen die verloren gaan tijdens traditionele downsampling, waardoor de detectie van complexe en kleinschalige defecten op metalen oppervlakken aanzienlijk wordt verbeterd.
Dit artikel toont aan dat het adopteren van een minimax trainingsdoelstelling, die netwerkherontwerpagenten optimaliseert tegen een dynamisch herberekende slechtste scenario-aanvalportfolio in plaats van tegen een enkele vaste strategie, de "Adaptive Degradation Gap" aanzienlijk verkleint en topologieën produceert met superieure slechtste scenario-robuustheid tegen verkenningsbekwame tegenstanders, ongeacht de specifieke optimizer die wordt gebruikt.
Dit artikel stelt AGHA-Net voor, een nieuw deep learning-framework dat adaptieve graafconvolutie, spatiotemporele gated recurrent units en een dual-branch hybride aandachtmechanisme integreert om de nauwkeurigheid en stabiliteit van kortetermijnvoorspellingen van passagiersstromen in stedelijk spoorvervoer aanzienlijk te verbeteren door effectief dynamische ruimtelijke afhankelijkheden en complexe temporele patronen te vangen.
Dit artikel presenteert en evalueert een offline, hybride pijplijn voor het de-identificeren van Braziliaans-Portugese klinische verslagen met behulp van lokale open-weight taalmodellen en regelgebaseerde filters, waarbij een hoge recall en stabiliteit op bescheiden hardware wordt aangetoond zonder dat taakspecifieke fine-tuning vereist is.