2403 papers
Dit artikel introduceert de Symbiotic Convolution Block (SCB), een lichtgewicht, niet-attentiemodule die impliciete feature-recalibratie en diversificatie bereikt door middel van gefuseerde convolutionele kaarten, wat een computationeel efficiënt alternatief biedt voor aandachtmechanismen voor beeldclassificatietaken.
Deze studie stelt een hybride framework voor dat een gefinetuned DeBERTa-v3 model, dat effectief neutrale sentimenten in financieel nieuws vastlegt, integreert met technische indicatoren om de nauwkeurigheid van de richtingvoorspelling van de NIFTY 50-index aanzienlijk te verbeteren ten opzien van prijsgebaseerde baselines.
Dit artikel stelt GeoRel-CLIP voor, een geometrie-geregulariseerd relationeel distillatieframework dat de zero-shot herkenning van CLIP verbetert door gezamenlijk de globale geometrische distributie en lokale relationele structuur te optimaliseren om modaliteitsverschillen en representatiecollaps tijdens post-pretraining te mitigeren.
Deze studie stelt een uitlegbare, label-efficiënte machine learning-framework voor met behulp van CatBoost en semi-gestuurd leren om contactconfiguraties in peesgestuurde continuümrobots voor minimaal invasieve chirurgie nauwkeurig te herkennen, waarbij een hoge prestatie wordt bereikt met beperkte gelabelde gegevens terwijl de normale kracht wordt geïdentificeerd als een cruciale feature voor veiligere controlesstrategieën.
Dit artikel presenteert een door AI aangedreven profileringsmodel binnen een cyber range-omgeving dat de prestaties van de lerende continu evalueert om geautomatiseerde, gepersonaliseerde feedback en adaptieve leertrajecten te genereren, waarmee de belangrijkste uitdagingen op het gebied van schaalbaarheid en personalisatie voor cybersecurityonderwijs worden aangepakt.
Dit artikel stelt een lichtgewicht, real-time semantische front-end voor die periodieke instantiesegmentatie integreert met een registratiegestuurde Gaussian mapping-pipeline om dynamische objecten effectief te verwijderen en de robuustheid van RGB-D SLAM in dynamische omgevingen te verbeteren.
Deze studie presenteert LV-YOLO, een tweestaps deep learning-framework dat MobileNetV3 combineert met een geoptimaliseerd YOLOv11-model voorzien van nieuwe aandacht- en upsamplingmodules, wat effectief en nauwkeurig lymfovasculaire invasie in whole slide images van maagkanker detecteert om pathologen te ondersteunen bij klinische risicostratificatie.
Dit artikel demonstreert dat een ongesuperviseerd raamwerk dat gebruikmaakt van bevroren 2D visuele foundation model-kenmerken, wanneer toegepast op canonieke diepte-weergaven van LiDAR-boomkronen, individuele boomsoorten coherenter organiseert dan zowel handmatige geometrische descriptoren als bevroren 3D foundation models, terwijl het strikt controleert voor acquisitiebron-confounding om de superioriteit van vooraf getrainde visuele representaties boven natieve 3D-geometrie in dit domein te valideren.
SpectralMLP introduceert een nieuw hypergraaf neuraal netwerkframework dat traditionele aggregatie vervangt door een efficiënt, message-passing-vrij dual-frequency spectraal filtermechanisme met behulp van leerbare Jacobi-polynoombasissen, waarmee het de state-of-the-art prestaties bereikt over meerdere benchmarks terwijl het een parameteraantal behoudt dat lager is dan bij de meeste bestaande methoden.
Deze studie presenteert een gecontroleerde benchmark die de prestaties van ruwe sequentiële, beeldgebaseerde (GAF), hybride en statistische modellen voor anomaliedetectie in het huishoudelijk elektriciteitsverbruik vergelijkt, waarbij werd vastgesteld dat directe temporele modellering (Raw 1D-CNN) andere benaderingen overtrof onder synthetische perturbatieprotocollen, terwijl tegelijkertijd de noodzaak van voorzichtige interpretatie werd benadrukt vanwege de beperkte omvang van de dataset tot één enkel huishouden en het gebrek aan annotaties van fouten uit de echte wereld.