2550 papers
Dit artikel beoordeelt de evolutie van U-Net-architecturen voor medische beeldsegmentatie, waarbij de nadruk wordt gelegd op hun vijf belangrijkste varianten, de integratie met geavanceerde technieken zoals GAN's en dataaugmentatie, en optimalisaties voor efficiëntie en transparantie die gezamenlijk de nauwkeurigheid en klinische toepasbaarheid bij ziekte-diagnose en behandelplannen verbeteren.
Dit artikel toont aan dat verifier-exploitatie in NLI-gestuurde iteratieve verfijning een architecturale kwetsbaarheid is die inherent is aan single-metric feedbackloops in plaats van een optimalisatie-artefact, waarbij wordt aangetoond hoe een training-vrije, zero-gradient pijplijn systematisch de getrouwheid kan degraderen terwijl NLI-scores worden opgeblazen door inhoudelijke inkorting, en stelt een universeel, annotatie-vrij detectieprotocol voor om dergelijke structurele risico's te identificeren.
Dit artikel stelt Dyna-FractureNet voor, een nieuw framework dat gebruikmaakt van Cooperative Multi-Agent Reinforcement Learning om optimaal modelensembles dynamisch te selecteren en multi-level aandachtmechanismen te coördineren, waardoor de nauwkeurigheid, robuustheid en efficiëntie van breukdetectie over diverse anatomische regio's in röntgenbeelden aanzienlijk wordt verbeterd.
Dit artikel stelt een Auxiliary Classifier Generative Adversarial Network (AC-GAN) raamwerk voor dat hoogwaardige thermische afbeeldingen van zeldzame fotovoltaïsche defecten synthetiseert om klassenimbalans aan te pakken, waardoor de probabilistische kalibratie en betrouwbaarheid van door AI gestuurde foutdiagnose in zonne-energieoperaties aanzienlijk wordt verbeterd.
Dit artikel introduceert QNeuroGen, een hybride kwantum-klassiek neuraal framework dat real-time decodering van cognitieve toestanden uit ruisgevoelige EEG-signalen bereikt met een nauwkeurigheid van 89,2% en een latentie van 48 ms door gestructureerde preprocessing te integreren met variabele kwantumkenmerkencodering.
Deze studie stelt een hybride ResNet101-LSTM-architectuur voor die geoptimaliseerd is met Adam en een hoge nauwkeurigheid en specificiteit bereikt bij het classificeren van borstkanker uit BreaKHis histopathologische beelden bij 40x vergroting, waarbij het andere deep learning-modellen overtreft in zowel binaire als multiklasse-scenario's.
Deze studie toont de levensvatbaarheid van Quantum Neural Networks voor het voorspellen van windenergie aan door systematisch 12 configuraties te evalueren tegenover klassieke modellen, waarbij wordt onthuld dat specifieke QNN-ontwerpen een concurrerende prestatie kunnen bereiken (tot R² = 0,94) ondanks de computationele afwegingen die inherent zijn aan NISQ-tijdperk simulaties.
Dit artikel introduceert QGH-256, een nieuw kwantumhashingalgoritme dat 256-bits vingerafdrukken genereert door berichten te mappen naar gewogen grafen op een toroidaal rooster en Quantum Phase Estimation te gebruiken om spectrale kenmerken te extraheren die zowel structurele als dynamische eigenschappen vastleggen, waarbij de sterke cryptografische gevoeligheid en haalbaarheid via Qiskit-simulaties worden aangetoond.
Dit artikel introduceert DDANet, een nieuw Dense Dual-Attention Network dat dichte skip-verbindingen en dual-attention mechanismen combineert om superieure begrenzing en generalisatie in medische beeldsegmentatie te bereiken, waarbij het baseline-modellen overtreft met hoge nauwkeurigheid, Dice- en IoU-scores.
Dit artikel presenteert TinyOL-ARLDA, een lichtgewicht, on-device incrementeel leersysteem gebaseerd op geregulariseerde Lineaire Discriminant Analyse dat real-time, cloud-onafhankelijke geluidsgebaseerde predictieve maintenance op microcontrollers mogelijk maakt met een nauwkeurigheid van meer dan 94% en een geheugenvoetafdruk van minder dan 20 KB.