929 papers
DeepGaitLab is een open-source, markerloze 3D bewegingsregistratie-framework getraind op synthetische data dat met hoge nauwkeurigheid en zonder kalibratie loopanalyse levert over diverse cameraconfiguraties en klinische populaties heen, waardoor de kloof tussen onderzoeksgereed biomechanica en schaalbare klinische implementatie effectief wordt overbrugd.
Dit artikel stelt MEFP-Net voor, een multimodale herkenningsalgoritme dat gebruikmaakt van hiërarchische mid-stage fusie en een dual-path backbone om effectief kenmerkimbalans en lichtgevoeligheid aan te pakken, waardoor de detectie van kleine en gedeeltelijk afgeschermde objecten in complexe stedelijke verkeersscenario's aanzienlijk wordt verbeterd.
Dit artikel presenteert een uitgebreide experimentele evaluatie van diverse Facebook AI Similarity Search (FAISS) indexeringsstrategieën, waarbij de afwegingen tussen nauwkeurigheid, latentie en geheugengebruik worden geanalyseerd over verschillende afstandmetrieken en kwantisatietechnieken om praktisch advies te bieden voor grootschalige similarity search-implementaties.
Dit artikel stelt een voorspellend, adaptief planningsmodel voor en evalueert dit, dat werkbelastingvoorspelling integreert met Ceph-bewuste opslagbeslissingen om resourcecontention en I/O-latentie in Kubernetes–Ceph hypergeconvergeerde infrastructuur draaiend op Proxmox VE aanzienlijk te verminderen, waarbij een superieure load balancing en prestaties wordt bereikt vergeleken met de standaard Kubernetes-scheduler.
Dit artikel stelt een federated reinforcement learning-framework voor mobiele edge-netwerken voor dat een VAE-LSTM-model combineert voor de voorspelling van de populariteit van inhoud met een multi-agent deep reinforcement learning-algoritme om coöperatieve caching-beslissingen te optimaliseren, waardoor de latentie aanzienlijk wordt verminderd en de cache-hitrates worden verbeterd in vergelijking met bestaande baseline-methoden.
Dit artikel stelt DMPB-Net voor, een nieuw semi-gesuperviseerd framework dat een Mamba-gestuurde encoder integreert met gespecialiseerde modules voor semantische ontkoppeling, prototype-aandacht en grensverfijning om state-of-the-art segmentatie van borstlaesies in echografiebeelden te bereiken onder beperkte supervisie.
Dit artikel stelt een robuust trimodaal framework voor dat CNN's, Vision Transformers en Graph Neural Networks integreert via een adaptief gated fusion-mechanisme om een state-of-the-art nauwkeurigheid bij het detecteren van vervalsingen (99,10%) en interpreteerbaarheid op sociale media-afbeeldingen te bereiken.
Deze studie stelt een principieel, drieledig beslissingskader voor voor het selecteren van modellen in data-beperkte wetenschappelijke machine learning, waarbij door middel van casestudy's over kinase-remmers en oplosbaarheid wordt aangetoond dat eenvoudige lineaire modellen vaak complexe alternatieven overtreffen wanneer de steekproefomvang klein is, waardoor model-eenvoud wordt gepleit als een kritieke baseline.
Deze studie evalueert diverse machine learning-regressiemodellen op de Individual Household Electric Power Consumption-dataset om energietrends te voorspellen en anomalieën te identificeren, waarbij wordt vastgesteld dat Random Forest andere algoritmen overtreft terwijl SHAP-analyse onthult dat Global_intensity de dominante voorspellende factor is.
Dit artikel stelt het Stigmergic Skeleton Field (SSF) framework voor, dat een mediale-as skeletgrafiek integreert met een mierenkolonie-feromoonveld en een Localized Incremental Re-skeletonization (LIR) algoritme om efficiënte, gedecentraliseerde navigatie door meerdere robots in dynamische omgevingen mogelijk te maken door alleen daar waar nodig de topologie te herstellen, waarbij een bijna optimale padkwaliteit wordt bereikt met aanzienlijk snellere herplanningssnelheden vergeleken met bestaande baselines.