2332 papers
Deze studie stelt een hybride CNN-LSTM deep learning-model voor, getraind op een aangepaste dataset die wereldwijde benchmarks combineert met NS-3 gesimuleerd SDN-verkeer om een nauwkeurigheid van 97,8% te bereiken bij het detecteren van cyberaanvallen op de e-overheidsinfrastructuur van Soedan, wat een schaalbare oplossing biedt om de nationale cyberbeveiliging te verbeteren.
Deze studie presenteert een verklaarbaar machine learning-framework met behulp van een XGBoost-model om de bouwdurante in een vroeg stadium te voorspellen op basis van beperkte projectinformatie, waarbij wordt aangetoond dat hoewel het model een sterke voorspellende prestatie levert met projectkosten als primaire drijfveer, de resultaten zorgvuldige interpretatie vereisen vanwege de gevoeligheid voor datapartitionering.
Dit artikel introduceert Photonic Quantum-Enhanced Knowledge Distillation (PQKD), een hybride framework dat de intrinsieke stochasticiteit van fotonische kwantumprocessors benut om conditioneringssignalen te genereren voor een parameterefficiënt studentennetwerk, waarbij concurrerende nauwkeurigheid wordt bereikt onder agressieve compressie over standaard benchmarks, terwijl shot-ruis schaling en feature smoothing worden gebruikt om beperkingen door eindige bemonstering te beheersen.
Dit artikel stelt een gecertificeerde selectiemethode voor voor de ARINC-653 partitievensteraantallen die een bijna optimale leveringsgranulariteit identificeert met aanzienlijk lagere computationele kosten vergeleken met een volledige zoekopdracht, gebruikmakend van de observatie dat veel vensteraantallen bijna identieke prestatiewaarden opleveren.
Dit artikel stelt het PACPT-LB-framework voor, een hybride machine learning-aanpak die proactief handovers-fouten, radio link-fouten en ping-pong-events in 5G mmWave-netwerken voorspelt door gebruik te maken van een grootschalige gesimuleerde dataset en geoptimaliseerde modelcombinaties om superieure nauwkeurigheid te bereiken onder diverse mobiliteitsomstandigheden.
Deze studie presenteert en valideert een contextbewust AI-ondersteund screeningssysteem dat de efficiëntie en nauwkeurigheid van het detecteren van beeldduplicatie in biomedische publicaties aanzienlijk verbetert door visuele gelijkenis te integreren met contextuele risicobeoordeling om fout-positieven te verminderen terwijl een hoge sensitiviteit behouden blijft.
Dit artikel stelt een Visibility-Aware Texture Consensus-methode met lokale structurele beperkingen voor om de 3D Gaussian Splatting-reconstructie in met textuur gedegradeerde scènes te verbeteren, waarbij statistisch significante robuustheidswinsten onder gecontroleerde protocollen worden aangetoond terwijl beperkingen in de real-world state-of-the-art prestaties worden erkend.
Dit artikel introduceert BEACON, een open-source meertalige mobiele agent die realtime gegevens over de vuurperimeter, weergebaseerde risicoscores en polygon-vermijdende routering integreert om gepersonaliseerde, taaladaptieve evacuatiebegeleiding bij bosbranden te bieden voor gemeenschappen met beperkte Engelse taalvaardigheid.
Dit artikel presenteert een vergelijkende academische evaluatie van Veeam Backup & Replication en Cohesity DataProtect, waarbij wordt aangetoond dat hoewel beide platforms onderscheidende benaderingen bieden voor onveranderlijkheid en ransomware-detectie voor VMware-omgevingen, zij het meest effectief zijn wanneer zij worden geïntegreerd in een uitgebreide defense-in-depth-strategie.
Deze studie toont aan dat het toepassen van een inverse-frequentie herwegting-benadering op MARBERT aanzienlijk beter presteert dan baseline-modellen bij het classificeren van ondervertegenwoordigde emoji-pragmatische functies binnen het Arabische digitale discours, waarmee het ernstige label-imbalans effectief aanpakt om computationele pragmatiek in de Arabische NLP te bevorderen.