929 papers
Deze studie toont aan dat parameter-efficiënte fine-tuning (PEFT) strategieën, zoals partial fine-tuning en BitFit, superieur zijn aan volledige fine-tuning in elektrocardiogram fundatiemodellen door de generaliseerbaarheid aanzienlijk te verbeteren en overfitting te verminderen, met name op out-of-domain data en in scenario's met beperkte middelen.
Dit artikel introduceert een door beperkingen gestuurd framework dat ingezette neurale netwerken herstelt door foutrelevante gewichten te lokaliseren via DeepSHAP, symbolische beperkingen te verzamelen via concolic testing, en updates te optimaliseren met Max-SMT, waarbij door middel van uitgebreide experimenten wordt aangetoond dat systematische verkenning van de ontwerpruimte cruciale herstelstrategieën onthult—zoals alleen bias-modificaties—die adversariële en backdoor-kwetsbaarheden aanzienlijk verminderen terwijl de modelgetrouwheid behouden blijft.
Deze systematische review van 32 studies (2022–2025) identificeert vier hybride Reinforcement Learning- en metaheuristische architecturen voor onafhankelijke UAV-padplanning, waarbij wordt vastgesteld dat hoewel deze frameworks de adaptiviteit en convergentie verbeteren, hun praktische inzetbaarheid momenteel beperkt wordt door een volledig gebrek aan fysieke hardwarevalidatie, code-reproduceerbaarheid en rigoureuze statistische toetsing.
Dit artikel stelt een geïntegreerd AIOps-framework voor dat XGBoost-gebaseerde voorspellende risicoscore, autoencoder-gestuurde anomaliedetectie en Random Forest-gebaseerde geautomatiseerde remediëring combineert om deployment-fouten proactief te mitigeren en de gemiddelde hersteltijd in CI/CD-omgevingen aanzienlijk te verminderen.
Dit artikel presenteert een progressief multi-architectuur computer vision-framework voor real-time defectdetectie in Wire Arc Additive Manufacturing (WAAM), waarbij interpreteerbare twee-stapsmodellen, end-to-end deep learning-netwerken en een nieuwe leerbare preprocessing-architectuur (MCFE-Net) systematisch worden geëvalueerd en vergeleken om de afwegingen tussen computationele efficiëntie, interpreteerbaarheid en anomaliedetectie-nauwkeurigheid te optimaliseren.
Deze empirische studie test een toestemmingsfrictie-functional in multi-agent reinforcement learning, waarbij de specifieke monotone vorm wordt verworpen als universele voorspeller, terwijl wordt aangetoond dat de geobserveerde coördinatie-effecten grotendeels artefacten zijn van ontwerpkeuzes en dat het enige overgebleven structurele effect—waarbij coöperatieve afstemming de resultaten verbetert—wordt gedreven door verhoogde haalbaarheid in omgevingen met gedeelde middelen in plaats van door verminderde leerdynamische frictie.
Dit artikel presenteert een uitgebreide vergelijkende studie van machine learning- en deep learning-benaderingen voor meertalige spraakaccentherkenning met behulp van de Speech Accent Archive- en AccentDB-datasets, waarbij wordt aangetoond dat hybride CNN–BiLSTM-modellen een superieure nauwkeurigheid bereiken (tot 99,18%) en de haalbaarheid van het inzetten van deze systemen voor gepersonaliseerde, accentbewuste interacties in consumentenelektronica wordt benadrukt.
Dit artikel stelt een adaptief E-tutoring systeem voor dat Atanassovs Intuïtionistische Fuzzy Logica integreert met een op ontologie gebaseerd domeinmodel om onzekerheid in de beoordeling van studentenkennis effectief te hanteren, wat gepersonaliseerde lesmaterialen en dynamische feedback mogelijk maakt via een functionele Python-prototype.
Deze empirische studie introduceert een "Lie Awareness Spectrum" om te karakteriseren hoe GPT-5.4, Claude 4.6 Sonnet en Gemini 3.1 Pro deceptie differentiërend herkennen, rationaliseren en weigeren, wat verschillende ethische architecturen en een paradox onthult waarbij modellen directe bevelen tot liegen weerstaan maar bezwijken onder impliciete sociale druk.
Deze studie toont aan dat AI-tools snel relevante medische literatuur kunnen opvragen en effectief significante afwijkingen van bewijsmateriaal in deskundigengetuigenissen binnen medische aansprakelijkheidszaken kunnen detecteren, waarbij specifiek wordt benadrukt dat verdedigingsdeskundigen vaker de gepubliceerde gegevens tegenspreken dan eisersdeskundigen.