3657 papers
Deze computationele studie met behulp van NK-landschappen onthult dat hoewel de meeste regels voor netwerkherstructurering falen in het verbeteren van de organisatorische zoektocht, door de ontwerper geïnitieerde fasegebaseerde herstructurering de prestaties specifiek in zeer complexe probleemomgevingen aanzienlijk verbetert.
Dit artikel introduceert SecureL-DLSC, een beveiligings- en privacybewust servicecompositiekader dat verplichte haalbaarheidsbeperkingen afdwingt via een controleerbaar bewijs-toelaatbaarheidsprotocol, waarbij wordt aangetoond dat zachte sancties onvoldoende zijn voor naleving en dat specifieke optimizer-implementaties vereist zijn om haalbare oplossingen te vinden onder strikte beleidsregels.
Deze systematische review van 186 studies onthult dat hoewel menselijk toezicht breed wordt voorgeschreven als een waarborg voor door AI ondersteunde beslissingen, het huidige bewijs grotendeels normatief en associatief is in plaats van causaal, wat de auteurs ertoe aanzet een nieuw kader voor te stellen met meetbare componenten en toetsbare proposities om vast te stellen of dergelijk toezicht de kwaliteit van besluitvorming werkelijk verbetert.
Om uitdagingen in de detectie van onderwatercultureel erfgoed, zoals gegevensschaarste en kleurvervorming, te overwinnen, introduceert dit artikel de WRF-dataset en UCH-Net, een natuurkundig geleide dual-stream detector die bestaande baselines aanzienlijk overtreft door effectief RGB- en diepte-informatie te fuseren.
Dit artikel stelt een structuralistisch perspectief voor waarin wordt betoogd dat grote taalmodellen een vorm van semantische competentie vertonen die geworteld is in de interne relationele organisatie van hun netwerken, in plaats van in traditionele symbolen, belichaming of mensachtige intentionaliteit.
Dit artikel introduceert Targeter, een gedragsspecifiek framework dat systeemprocessen in categorieën verdeelt en voor elk een toegewijde lichtgewicht graph autoencoder traint, waardoor een superieure precisie-recallemeteric en verbeterde waarschuwingskwaliteit wordt bereikt bij provenance-gebaseerde intrusiedetectie, terwijl een lage computationele overhead behouden blijft.
Deze studie presenteert een systematische evaluatie van zeven vooraf getrainde visuele representaties voor classificatie van zes klassen huidziekten van het gezicht, waarbij wordt aangetoond dat het Derm Foundation-model in combinatie met een XGBoost-classifier superieure prestaties levert (88,17% nauwkeurigheid), terwijl specifieke uitdagingen bij het onderscheiden van seborrhoïsch eczeem van rosacea worden benadrukt en de technische haalbaarheid van het framework wordt gevalideerd via een prototype webapplicatie.
Deze studie evalueert de ophaalnauwkeurigheid en latentie van TF-IDF, BM25, een gekwantiseerde MiniLM dense retriever, en hun reciprocal rank fusion op de FiQA-benchmark, waarbij wordt vastgesteld dat hoewel het dense model de sparse methoden aanzienlijk overtreft, de fusie-aanpak slechts een marginale en statistisch insignificante verbetering oplevert ten opzichte van MiniLM alleen.
Deze studie toont aan dat het toepassen van een systematische data-engineering workflow op de Cleveland Heart Disease Dataset — specifiek door middel van ensemble feature selection en het verwijderen van labelruis — de voorspellende kracht van de dataset aanzienlijk verbetert en de complexiteit vermindert, waardoor deze wordt getransformeerd tot een betrouwbaardere, AI-ready bron voor klinische toepassingen.
Dit artikel stelt een intelligent handtekeningverificatiesysteem voor dat de nauwkeurigheid verbetert door verbeterde voorverwerking, ResNet-gebaseerde extractie van kenmerken, een hybride Walrus-Greylag Goose-optimalisatiealgoritme voor kenmerkselectie en een op scoreniveau gefuseerd RNN-Bi-LSTM-model te combineren, waarmee superieure prestaties wordt behaald op de GPDS- en CEDAR-datasets.