2266 papers
Dit artikel betoogt dat om een veerkrachtige en duurzame toekomst voor AI binnen een co-evoluerende noösfeer te waarborgen, het vakgebied moet verschuiven van top-down representationele afstemmingsmethoden die morele homogenisering afdwingen naar een enactief afstemmingskader dat cognitieve diversiteit behoudt door middel van endogene, participatieve normativiteit.
Dit artikel stelt het STG-MADAC-framework voor, een met aandacht versterkte multi-agent reinforcement learning-benadering die spatiotemporele graafaandacht en multi-objective advantage decompositie gebruikt om superieure gedecentraliseerde wapen-doeltoewijzing in dynamische lucht- en ruimteverdedigingssystemen te bereiken.
Het artikel presenteert MS-RTDETR, een real-time end-to-end detector die de detectie van kleine objecten verbetert door multi-schaal feature-versterking en query-verfijning te verenigen via een nieuw Scale-Coupled Feature–Query Refinement (SCFQR)-mechanisme en een onzekerheidsbewuste matching-doelstelling, waarmee superieure prestaties en robuustheid over diverse datasets wordt bereikt zonder dat daarvoor hulpbronnen voor inferentie-vertakkingen nodig zijn.
Deze studie ontwikkelt en empirisch valideert een competentiekader voor "Auditable AI Ethics" dat hoogwaardige regelgevende mandaten overbrugt met praktische K-12 en universitaire curricula, en demonstreert door middel van een pilotprogramma dat resultaatgerichte, actiegerichte pedagogiek studenten effectief transformeert van passieve AI-consumenten naar verantwoordelijke makers die in staat zijn tot kritische verificatie, bias-mitigatie en juridische naleving.
Dit artikel introduceert een coherente Quantum Feedforward Neural Network (QFNN) die trainbare projector-overlappen en alternerende reflecties gebruikt om exacte Chebyshev-polynoomactivaties te implementeren, waarmee het rigoureuze theoretische fundamenten legt voor de expressiviteit, universele benaderingscapaciteiten en generalisatiegrenzen, terwijl het tegelijkertijd competitieve prestaties demonstreert op benchmark-taken voor beeldclassificatie.
Dit artikel toont aan dat de slechte prestaties van open-world malware detectie op de BODMAS-benchmark niet worden veroorzaakt door etiketteringsfouten of defecten in de detector, maar door de aanwezigheid van nauw verwante families in de trainingsset die de uit de handel gehouden "nieuwe" monsters feitelijk bekend maken voor ongesuperviseerde nieuwheidsscoringsmethoden.
'n TypeScript-bibliotheek die tien parallelle programmeerpatronen implementeert via message passing, gedeeld geheugen en WebGPU-compute shaders voor Node.js en browsers, waarbij significante versnellingen worden getoond ten opzichte van sequentiële JavaScript en een concurrerende prestatie wordt geleverd tegenover C++ bibliotheken, terwijl de cruciale impact van dataoverdrachtoverhead op GPU-efficiëntie wordt benadrukt.
Dit artikel stelt S3HNet voor, een fase-bewuste spectrale-spatiale hiërarchische netwerk dat effectief grondniveau stedelijke hyperspectrale beelden segmenteert door bandgevoelige spectrale bewijslast te behouden in ondiepe encoder-stadia en ruimtelijk consistente semantische representaties te reconstrueren in de decoder, waardoor het bestaande dichte segmentatiemodellen op benchmark-datasets overtreft.
Het artikel introduceert CRISP, een door de compiler gestuurde aanpak die veilige polynoomniveau-parallellisme mogelijk maakt voor FHE-versleutelde machine learning-inferentie door runtime SIMD-vectorisatie in te ruilen voor compile-time OpenMP-parallellisme, wat resulteert in significante versnellingen en reducties in latentie binnen het ANT-ACE compiler-framework.
Dit artikel stelt ADE-MDA-Net voor, een asymmetrisch dual-encoder netwerk dat SE-dual pooling fusie, multi-dilation depthwise attention en multi-scale spatial attention fusie modules incorporeert om een nauwkeurige en computationeel efficiënte pixel-niveau segmentatie van uitdagende defecten aan lageroppervlakken te bereiken.