2550 papers
Dit artikel stelt LADMF voor, een verenigd raamwerk dat door LLM-geaugmenteerde kennisgraafredenering te integreren met ontkoppelde multimodale fusie en contrafactische causale aandacht om de nauwkeurigheid van conversievoorspelling in e-commerce aanzienlijk te verbeteren en menselijk leesbare, getrouwe verklaringen te genereren.
Dit artikel presenteert een systematische laag-voor-laag analyse van gefinetunede IndoBERT-modellen voor de detectie van Indonesische misinformatie, waarbij een consistente driedelige representatieve evolutie wordt onthuld waarbij cruciale hoax-gerelateerde kenmerken worden gevormd in intermediaire lagen en worden geconsolideerd in hogere lagen, terwijl het tevens de onderscheidende functionele rollen tussen [CLS] en gemiddelde pooling-representaties benadrukt.
Dit artikel stelt DLMC_Net voor, een nieuw deep learning-framework dat een aangepaste CNN, een adaptieve self-attention module en Borderline SMOTE combineert om een state-of-the-art nauwkeurigheid (99,92%) te bereiken in multi-class malwareclassificatie met behulp van bytecode-afbeeldingen, waarmee het gevestigde baseline-modellen aanzienlijk overtreft.
Dit artikel introduceert een generatief agent-framework dat het "Quiet Quitting"-fenomeen succesvol simuleert en kwantificeert, waarbij wordt onthuld dat hoewel betrokkenheidsstrategieën de verloopintenties aanzienlijk verminderen, hun effectiviteit kritisch wordt gemodereerd door persoonlijkheidskenmerken van werknemers, waardoor een computationele testomgeving voor precisiegericht crisismanagement wordt gevestigd.
Dit artikel toont aan dat instructies in natuurlijke taal kwetsbaar zijn onder verborgen operationele vereisten, wat onthult dat hoewel generieke prompting faalt om weggelaten beperkingen te voldoen, de prestaties aanzienlijk verbeteren wanneer die beperkingen expliciet worden opgevraagd en uitgevoerd.
Dit artikel presenteert een nieuw door LLM versterkt decision intelligence-framework dat FMEA-gebaseerde risicokwantificering integreert met contextuele redenering van grote taalmodellen om een statistisch significante, hoog-recall real-time supply chain risicobeoordeling te bereiken, zoals gevalideerd door zowel geparametriseerde simulaties als uitgebreid empirisch testen op de DataCo Smart Supply Chain dataset.
Dit artikel introduceert een nieuwe corpus van diplomatieke tegenargumenten uit toespraken in de Algemene Vergadering van de VN (2005–2024) en evalueert state-of-the-art grote taalmodellen met behulp van temporeel uitgelijnde fine-tuningstrategieën om een systematische benchmark te vestigen voor cross-domein generalisatie in tegenargumentgeneratie.
CUPID-Med is een nieuw framework dat gebruikmaakt van conformistische, onzekerheidsbewuste prototype-ontdekking om klinisch interpreteerbare, verzamelingwaardige clustervoorspellingen met gekalibreerde betrouwbaarheidsscores te genereren, waarmee het deterministische baselines aanzienlijk overtreft in het structureren van ongelabelde medische beeldgegevens.
Deze studie stelt een verklaarbaar, twee-laags speltheoretisch deep learning-framework voor dat SHAP combineert voor feature-interpreteerbaarheid en Nash-evenwicht voor competitieve prijsanalyse om traditionele modellen aanzienlijk te overtreffen bij het voorspellen van de vraag naar kortetermijnverhuur.
Dit artikel stelt een "Smart Learning Estimator" (SLE) voor, een met deep learning versterkte Kalman-filter die TGAN-, LSTM- en RWFNN-architecturen combineert, wat de nauwkeurigheid en robuustheid van goedkope INS/GNSS-navigatiesystemen tijdens langdurige GNSS-signaalonderbrekingen aanzienlijk verbetert door de beperkingen van traditionele lineaire filters te overwinnen.