2578 papers
Dit artikel toont aan dat een besluitbewust machine learning-framework voor academische vroegtijdige waarschuwing beter presteert dan traditionele regelgebaseerde en probabiliteitsdrempelbenaderingen door het aantal gemiste interventies te verminderen en de ongelijkheid in rechtvaardigheid te verkleinen via contextgevoelige ondersteuningsbeslissingen afgeleid van gekalibreerde risico-inschattingen.
Dit artikel stelt een door AI gedreven raamwerk voor dat preventief onderhoud en procesoptimalisatie integreert om de operationele efficiëntie en systeembetrouwbaarheid in de industriële productie te verbeteren door gebruik te maken van realtime sensordata voor foutdetectie, de schatting van de resterende levensduur en dynamische parameterinstelling.
Dit artikel presenteert een machine learning-studie die met succes de uitkomsten van professionele volleybalwedstrijden voorspelt met een nauwkeurigheid van meer dan 93% met behulp van Gradient Boosting en Random Forest-modellen getraind op synthetische data en gevalideerd op echte Poolse PlusLiga-wedstrijden, waarbij OPI en Break-Point Differentials worden geïdentificeerd als de meest kritieke voorspellende kenmerken.
Dit artikel stelt een door AI gedreven, vertrouwensbewust beveiligingsframework voor Cognitive Radio Networks voor dat Random Forest-gebaseerde detectie en Bayesiaanse vertrouwensevaluatie integreert om SSDF-, PUE- en jamming-aanvallen effectief te mitigeren, waarbij een hoge detectienauwkeurigheid wordt bereikt en de netwerkbetrouwbaarheid en doorvoer aanzienlijk worden verbeterd, zelfs onder zware aanvallende omstandigheden en lage SNR-niveaus.
Dit artikel stelt CATBridge voor, een multi-stage kennisverbeteringsframework dat een teacher-student samenwerkingsmechanisme benut om lichtgewicht LLM's te begeleiden bij het bereiken van superieure CVE-ATT&CK alignment nauwkeurigheid in omgevingen met weinig middelen, waarbij het zowel state-of-the-art methoden als zero-shot grootschalige modellen significant overtreft.
Deze studie evalueert hybride klassiek-kwantum routering voor een 10-nodes ruimtegebaseerd datacenter met behulp van een CUDA-Q workflow, waarbij wordt vastgesteld dat hoewel fotonische backends superieure nauwkeurigheid met een lage latentie bereiken, variatieve kwantumcircuit (VQC) backends een onbetaalbare latentieboete met zich meebrengen ondanks het aanbieden van rijkere kwantumtoestandsstructuren.