2578 papers
Dit artikel stelt YOLOv10n-FBD voor, een lichtgewicht model voor de detectie van de rijpheid van cherrytomaten dat CCFM-featurefusie, PSA-BiFormer-aandacht en een C2f-Dual-strategie integreert om een hoge precisie (94,3% mAP) en snelheid (369 FPS) te bereiken, terwijl de modelgrootte en computationele complexiteit aanzienlijk worden verminderd in vergelijking met bestaande methoden.
Deze studie stelt een op LSTM gebaseerd spraakherkenningssysteem voor voor de minder ondersteunde Assamese taal, waarbij gebruik wordt gemaakt van een zelf samengestelde dataset en hybride akoestische kenmerken om een nauwkeurigheid van 95% te bereiken, terwijl de uitdagingen die worden veroorzaakt door de fonetische gelijkenissen tussen klinkers worden belicht.
Dit artikel stelt een visueel contextbewust en op het ruimtelijke receptieve veld gebaseerd algoritme voor dat residuele toestandsruimtemodellering, begeleidingsvectoren en multi-schaal deformaat-aandacht integreert om Dunhuang-muurschilderingen effectief te herstellen door lokale pixelvergetelheid en onvoldoende ruimtelijke perceptie aan te pakken, waardoor de metrieken voor restauratiekwaliteit aanzienlijk worden verbeterd.
Dit artikel stelt een Deep Cross Neural Network (DCNN) raamwerk voor dat een nauwkeurigheid van 98,4% bereikt bij het detecteren van stealthy Hardware Trojans in FPGA-gebaseerde VLSI-circuits door structurele en functionele kenmerken te extraheren en te correleren, wat een betrouwbare oplossing biedt die de afhankelijkheid van golden reference modellen vermindert.
Deze systematische review van 104 studies onthult dat onderzoek naar digitale toegankelijkheid wordt gedomineerd door geautomatiseerde hulpmiddelen en geconcentreerd is in de onderwijs- en overheidssectoren, wat een "evaluatie-actiekloof" creëert waarbij methodologische gemak en sectorale bias gebruikersgerichte benaderingen hebben verdrongen en er niet in zijn geslaagd om hardnekkige toegankelijkheidsbarrières gedurende het afgelopen decennium op te lossen.
Het artikel introduceert OntoLearner, een modulair open-source framework dat ontologie-toegang, door LLM gestuurde leerpipelines en gestandaardiseerde benchmarking over 22 domeinen verenigt, waarbij wordt onthuld dat de primaire flessenhals in ontologie-leren een structurele mismatch is tussen de codering van modelkennis en de ontologische organisatie, in plaats van de capaciteit van het model zelf.
Deze studie stelt een retrieval-augmented large language model-aanpak voor die ongestructureerde beoordelingsfeedback transformeert naar curriculum-gealigneerde foutpatronen met een hoge nauwkeurigheid, waardoor onderwijsteams in staat worden gesteld om te reflecteren op de impact van het onderwijs en gerichte curriculumherzieningen te sturen in het hoger onderwijs.
Deze studie evalueert de effectiviteit van vier vooraanstaande op LLM gebaseerde conversationele agenten als ondersteunende technologieën voor webnavigatie, waarbij wordt vastgesteld dat zij, hoewel ze een veelbelovend potentieel vertonen om de toegankelijkheid voor diverse gebruikersgroepen te verbeteren door paginastructuren te interpreteren en interacties te begeleiden, hun prestaties aanzienlijk variëren tussen verschillende tools.
Dit artikel introduceert HE-CloudML, een privacy-bewarend framework dat veilige en efficiënte inferentie van diepe neurale netwerken op versleutelde cloudgegevens mogelijk maakt met behulp van Homomorfe Encryptie, waarbij een nauwkeurigheid die bijna gelijk is aan die van onversleutelde gegevens wordt bereikt met significante verbeteringen in latentie ten opzichte van bestaande oplossingen, terwijl een robuuste weerstand tegen diverse privacy-aanvallen wordt gewaarborgd.
Dit artikel introduceert WSymBERT, een gewogen neuro-symbolisch aandachtmodel dat contextueel taalbegrip combineert met gestructureerde deskundige kennis om een zeer nauwkeurige en interpreteerbare automatische voorspelling van CVSS v3.1 Base-metrieken te bereiken, waarbij het bestaande transformer-baselines overtreft terwijl het nauwer aansluit bij de redenering van experts.