2550 papers
Dit artikel stelt CCPP-LPC voor, een algoritme voor padplanning met volledige dekking dat gebruikmaakt van een lokaal model voor de evaluatie van padkosten en een adaptieve, dubbel geleide perturbatiestrategie om de beperkingen van bestaande heuristische methoden te overwinnen, waardoor superieure computationele efficiëntie en padoptimalisatie in complexe omgevingen worden bereikt.
Dit artikel stelt een op polarisatie gebaseerde methode voor voor anomaliedetectie met behulp van de Minimum Effort to Consensus (MEC)-index op sociale mediadata, waarbij wordt aangetoond dat het monitoren van verschuivingen in publieke onenigheid traditionele op volume gebaseerde benaderingen overtreft bij het identificeren van significante gebeurtenissen, zoals gevalideerd door middel van een casestudy van het debat over de Colombiaanse pensioenhervorming van 2024 op X.
Deze studie stelt een nieuw hybride deep learning-model voor dat Variational Mode Decomposition (VMD), Temporal Convolutional Network (TCN) en Bidirectional Gated Recurrent Unit (BiGRU) combineert, dat negen andere machine learning-algoritmen significant overtreft bij het voorspellen van de langetermijn maandelijkse zonnestraling met behulp van NASA POWER-gegevens uit Turkije.
Dit artikel presenteert een op DenseNet-121 gebaseerd deep learning-systeem dat een nauwkeurigheid van 96,52% bereikt bij het classificeren van vier soorten hersentumoren uit Bengaalse MRI-datasets, terwijl het gebruikmaakt van Grad-CAM en gerelateerde technieken om de transparantie en betrouwbaarheid van het model te waarborgen.
Dit artikel stelt IDW-ADAFormer voor, een op iTransformer gebaseerd framework dat adaptieve Inverse-Distance Weighting-decompositie, een kernel-gebaseerde alignment diversity attention-module en een AQI-bewuste verliesfunctie integreert om nauwkeurige en interpreteerbare prognoses op middellange termijn van ruimelijk verdeelde concentraties van fijnstof te bereiken.
Dit artikel stelt een Pareto hybride artificial fish swarm algoritme voor dat verbeterde voedingsmechanismen en simulated annealing integreert om gelijktijdig assemblagevolgordeplanning en assemblijn evenwicht optimaliseren door het balanceringsverlies, de schakeltijden en de beat-tijd te minimaliseren.
Deze studie evalueert de prestaties van het Apriori-algoritme op grootschalige synthetische transactionele datasets om aan te tonen dat hoewel het verlagen van ondersteuningsdrempels de diversiteit van regels vergroot, dit de computationele kosten aanzienlijk verhoogt, wat uiteindelijk de noodzaak benadrukt om algoritmische diepte met efficiëntie te balanceren door middel van optimale drempelselectie.
Dit artikel stelt een Population State-Aware Cooperative Adaptive Differential Evolution (PSAC-DE) algoritme voor met een unificerende staatcontroller om een vier-doelstellingen arterieel verkeerssignaalcoördinatiemodel op te lossen, waarbij significante verbeteringen in vertraging, stops, groenegolfbreedte en koolstofemissies worden aangetoond ten opzichte van mainstream optimalisaties in gesimuleerde Hangzhou-scenario's.
Het artikel stelt FreqPrompt-AD voor, een training-vrij framework dat zero-shot industriële anomaliedetectie en segmentatie verbetert door gebruik te maken van frequentie-gestuurde lokale semantische prompting om de beperkingen van globale beeld-tekst uitlijning in CLIP-achtige modellen te overwinnen, waarmee het state-of-the-art prestaties bereikt op meerdere benchmarks.
Dit artikel introduceert een meetkundig kader gebaseerd op utiliteitsaxioma's om de rationaliteit van Large Language Models te evalueren, waarbij wordt onthuld dat veel modellen systematische schendingen van de voorkeurstransitiviteit vertonen die de besluitvormingscoherentie ondermijnen, zelfs terwijl sommige patronen het menselijk gedrag spiegelen.