929 papers
Deze studie stelt een nieuw vijflaags AI–IoT–Digital Twin-framework voor en valideert dit, dat realtime data, voorspellende analyses en augmented reality integreert om significante verbeteringen te bereiken in de efficiëntie van de productie, duurzaamheid en mens-machine-samenwerking, terwijl het in lijn is met de waarden van Industrie 5.0.
Dit artikel onthult een kritieke dissociatie tussen mensen en grote redeneermodellen (LRM's) in de toewijzing van deliberatie: hoewel beiden over het algemeen meer tijd besteden aan moeilijkere problemen, investeren mensen minder tijd in items die ze uiteindelijk fout hebben (het opgeven van moeilijke taken), terwijl LRM's paradoxaal genoeg langere redeneersporen genereren bij problemen die ze niet oplossen (het voortbestaan in onzekerheid), wat wijst op een fundamenteel verschil in stop- en controlebeleid ondanks oppervlakkige gelijkenissen.
Deze studie stelt een blockchain-geïntegreerd cybersecurity-framework voor dat een Convolutional Neural Network (CNN)-model gebruikt om een detectie nauwkeurigheid van 98,3% en een preventievermogen van 100% tegen Denial of Service (DoS)-aanvallen in AI-gebaseerde netwerksystemen te bereiken.
Deze studie toont aan dat AI-ondersteunde prompting de visuele complexiteit en gedragsmatige betrokkenheid bij digitaal tekenen verbetert, terwijl het onthult dat machine learning-modellen brede affectieve categorieën beter kunnen voorspellen dan fijnmazige emoties op basis van deze tekenkenmerken.
DIT is een gedecentraliseerd, post-kwantumveilig authenticatieprotocol dat de traditionele CA-hiërarchie elimineert door domeinidentiteiten te verankeren in DNSSEC-geverifieerde ML-DSA-65 sleutels en een hybride X25519MLKEM768-handshake met Merkle-transparantielogboeken te gebruiken om efficiënt, herroepbaar vertrouwen te bieden zonder gecentraliseerde certificeringsautoriteiten.
Dit artikel stelt een onzekerheidsgestuurd triple-memory fusiekader voor dat probabilistische Mamba gebruikt om bewegingsonzekerheid te kwantificeren en bewegings-, uiterlijk- en categoriememories dynamisch te fuseren, waarmee state-of-the-art prestaties wordt behaald voor robuuste multi-object tracking in complexe dynamische scènes.
Dit artikel stelt een grijswaardenbeeldencryptieschema voor dat een met een kubische fractionele transformatie gegenereerde S-box combineert met een logistische kaart om substitutie, diffusie en XOR-gebaseerde scrambling uit te voeren, waarbij een robuuste beveiliging wordt aangetoond door middel van uitgebreide statistische en sleutelgevoeligheidsanalyses.
Deze studie stelt een uitgebreid AI-framework voor de farmaceutische productie voor dat voorspellende modellering integreert met uitlegbaarheid, eerlijkheid, kalibratie, driftmonitoring en reglementaire traceerbaarheid om audit-klare, verdedigbare beslissingen op het gebied van kwaliteitsbewaking te waarborgen.
Deze studie toont aan dat een lichtgewicht YOLO11n deep learning-model een bijna perfecte nauwkeurigheid kan bereiken bij het automatisch classificeren van verwerkingsmethoden voor gedroogde zeekomkommer (zouten, roken en roosteren) vanuit afbeeldingen met dichte objecten, wat een robuust, niet-destructief alternatief biedt voor de subjectieve handmatige inspectie voor kwaliteitsbeoordeling.
Dit artikel stelt SGMS-DTDNet voor, een semantisch gestuurde multi-schaal dual-teacher distillatie netwerk dat domeinspecifieke semantiek, structurele priors en adaptieve feature selectie integreert om state-of-the-art prestaties te behalen in verenigde medische en industriële anomaliedetectie door uitdagingen zoals schaarse abnormale monsters en heterogene defectmorfologieën te overwinnen.