2456 papers
DriftSense++ is een dynamisch framework dat de toewijzing van ruimtelijke crowdsourcing-taken verbetert door een gesloten, regio-bewuste aanpak te hanteren om zowel data- als conceptdrift te detecteren en adaptief te beheren, waarbij het bestaande methoden aanzienlijk overtreft in nauwkeurigheid, reductie van valse alarmen en herstelsnelheid over diverse real-world datasets.
Dit artikel richt zich op het evalueren van diverse machine learning-technieken om SQL-injectieaanvallen, die aanvallers in staat stellen databasequeries te manipuleren en de serverbeveiliging te compromitteren, effectief te detecteren en te voorspellen.
Deze studie evalueert machine learning-modellen voor het voorspellen van mortaliteit op de IC en de ligduur in Ethiopische ziekenhuizen met behulp van reële en synthetische gegevens, waarbij wordt vastgesteld dat hybride training met door CTGAN gegenereerde gegevens andere methoden significant overtreft ondanks de hoge computationele kosten, terwijl tegelijkertijd wordt benadrukt dat zuurstofbehoefte en SpO2 de sterkste voorspellers voor mortaliteit zijn.
Dit artikel stelt een oriëntatiebewuste mesh-leermethode voor die een nieuwe gesigneerde half-dihedrale scalaire gebruikt om lokale vlakoriëntatie te coderen, wat de robuustheid en classificatienauwkeurigheid voor 3D-vormen onder structurele perturbaties zoals snijden en open grenzen aanzienlijk verbetert vergeleken met conventionele randcentrische benaderingen.
Deze retrospectieve studie ontwikkelde en evalueerde een multimodale AI-gebaseerde klinische beslissingsondersteunende systeem integrerend van demografische, klinische, genomische en beeldvormende gegevens om de gepersonaliseerde voorspelling van prostaatkankerbehandeling in Brunei te verbeteren, waarbij werd aangetoond dat een hybride LSTM–Random Forest-architectuur met late-stage fusie een robuuste prestatie (AUC 0,964) bereikte ondanks beperkingen gerelateerd aan de kleine steekproefomvang.
Deze studie toont aan dat machine learning-algoritmen, in het bijzonder Support Vector Classifiers, een hoge nauwkeurigheid bereiken (tot 99%) bij het detecteren van bosdegradatie in Nigeria's Omo Forest Reserve met behulp van remote sensing-data, waarmee zij pleiten voor de integratie ervan in nationaal natuurbehoudbeleid voor duurzaam bosbeheer.
Deze studie maakt gebruik van een Design of Experiments-methodologie om kritieke hyperparameters — specifiek chunking-strategie, contextvolume en LLM-selectie — te analyseren en te optimaliseren binnen een Retrieval-Augmented Generation-systeem dat is afgestemd op het Openbaar Ministerie van Espírito Santo, waarbij wordt aangetoond dat deze factoren de kwaliteit van de respons significant beïnvloeden door middel van statistische analyse met behulp van de Aligned Rank Transform.
Dit artikel introduceert THEA, een door prompts gedefinieerd revisiebeleid dat uitvoerbare wereldmodellen behandelt als falsifieerbare theorieën om ouderagenten en specialistische subagenten te orkestreren, waarbij de state-of-the-art prestaties op 22 van de 25 ARC-AGI-3 games worden bereikt met aanzienlijk lagere kosten, terwijl wordt gewaarborgd dat hypothese-revisie expliciet, controleerbaar en kosteneffectief blijft.
Deze gecontroleerde studie toont aan dat de rangschikking van pretraining-strategieën voor cel-instantiesegmentatie met weinig labels niet inherent is aan de backbone-gewichten alleen, maar kritiek afhangt van de specifieke transfer-en-adaptatieprotocollen die worden gebruikt, terwijl het ook benadrukt dat standaard evaluatiecaps de prestaties op dichte microscopische beelden aanzienlijk onderschatten.
Deze meta-analyse van publiekelijk beschikbare benchmark-datasets demonstreert dat hybride feature-representaties gecombineerd met ensemble learning-benaderingen een superieure voorspellende stabiliteit en effectiviteit bieden voor het detecteren van nepnieuws vergeleken met individuele feature-extractiemethoden en classifiers.