2305 papers
Dit artikel presenteert HoneyMed, een protocolbewust honeypot-framework voor IoMT-netwerken dat medische diensten simuleert om aanvallen in realtime te vangen en te classificeren met behulp van machine learning, waarbij een nauwkeurigheid van 98,50% wordt bereikt met Random Forest terwijl blockchain-gereed bewijsmateriaal wordt gegenereerd zonder productieve activa in gevaar te brengen.
Dit artikel stelt een trainingsvrij, interpreteerbaar framework voor dat gebruikmaakt van criteriumgestuurde prompting en in-context leren met LLM's om de ziekte van Alzheimer te detecteren uit handmatig getranscribeerde spraak, waarbij een state-of-the-art prestatie wordt behaald op de ADReSS 2020 benchmark terwijl een kritieke afhankelijkheid van hoogwaardige handmatige transcripties wordt benadrukt.
Dit artikel stelt een multi-expert measurement-aware leerframework voor dat gebruikmaakt van meerdere expertannotaties en een gespecialiseerde verliesfunctie om gelijktijdig de nauwkeurigheid van de segmentatie van het carotis intima-media complex en de precisie van de diktekwantificatie op millimeter schaal in echografiebeelden te verbeteren, waardoor de impact van inter-beoordelaar variabiliteit effectief wordt verminderd.
Dit artikel introduceert XGNN-ID, een uitlegbaar Graph Neural Network-framework dat een nieuw Selective Validation-Weighted Ensemble met NodeImport Gating (SVW-NG) integreert om effectief klassenonbalans aan te pakken en de interpreteerbaarheid van het model over diverse graafdatasets te verbeteren.
Deze studie stelt een verenigd, op NLP gebaseerd framework voor Human Resource Management voor dat werving, sentimentanalyse en communicatiemiddelen integreert om de efficiëntie en besluitvorming te verbeteren, terwijl het belangrijke uitdagingen met betrekking tot gegevensprivacy, algoritmische bias en systeemschaalbaarheid erkent.
Dit artikel stelt een nieuw multimodaal diep leerframework voor dat EEG-, draagbare fysiologische en gedragsgegevens integreert via een cross-modaal attentiesysteem en adaptieve personalisatie om een zeer nauwkeurige, vroege voorspelling van epileptische aanvallen met verminderde valse alarmen te bereiken.
Dit artikel stelt een hybride MCN-MVT-framework voor dat Capsule Networks en Vision Transformers combineert om een nauwkeurige, interpreteerbare vroege detectie van de ziekte van Alzheimer te bereiken, gevalideerd door superieure prestatiecijfers en LIME-gebaseerde verklaringen op MRI-data.
Het artikel introduceert STDN-GEN, een geautomatiseerd systeem dat gebruikmaakt van large-language-model agents en een gecureerde vocabulaire om snel controleerbare, vierlagige kritieke-materiaal toeleveringsketennetwerken te synthetiseren, waarbij de reproduceerbaarheid en efficiëntie aanzienlijk worden verbeterd ten opzichte van handmatige mapping, terwijl een hoge nauwkeurigheid wordt bereikt bij het identificeren van componenten en productiedependenties.
XTrust-Chain is een meerlagig intrusiedetectiekader dat ensembleclassificaties combineert met een gekalibreerde vertrouwensmetriek en een cryptografisch beveiligd auditspoor om besluitvorming met een hoge mate van vertrouwen te automatiseren, terwijl het onveranderlijke verificatie van meldingen over meerdere benchmarkdatasets waarborgt.
Dit artikel introduceert Closure-Guided Optimization (CGO), een raamwerk voor het afhandelen van beperkingen dat gebruikmaakt van Feasibility Closure Complexity (FCC) om de kosten voor structurele reparatie te minimaliseren, waarbij de effectiviteit ervan wordt aangetoond in scenario's waar schendingsrangschikkingen afwijken van de werkelijke reparatie moeilijkheid, terwijl wordt erkend dat het geen universeel voordeel biedt ten opzichte van bestaande methoden.