3664 papers
Dit artikel introduceert MonoClub, een houdingsgestuurd framework dat betrouwbaar golfclubkoppen en -schachten lokaliseert in monoculaire video's door het integreren van lichaamsgrootte-prioriteiten, geometrische en uiterlijke aanwijzingen, en temporele consistentie om uitdagingen zoals bewegingsonscherpte en occlusie te overwinnen.
Deze studie toont aan dat hoewel de GPT-5 Pro-serie de extractie van gegevens en de beoordeling van de risico's op bias in systematische reviews aanzienlijk kan versnellen en accuraat kan automatiseren met zero-to-few-shot prompting, deze nog steeds tekortschiet bij de screening van volledige teksten en hybride human-in-the-loop-workflows vereist voor het genereren van zoekstrings en het screenen van artikelen om de betrouwbaarheid te waarborgen.
Dit artikel introduceert CrossKAN, een lichtgewicht multi-energiebelastingvoorspellingsmodel dat een Kolmogorov–Arnold Network-kop integreert met een door een Artificial Lemming Algorithm geoptimaliseerde architectuur en drievoudige correlatie-kenmerkselectie om de voorspellingsnauwkeurigheid aanzienlijk te verbeteren terwijl de computationele efficiëntie behouden blijft.
Dit artikel evalueert de duurzaamheid van vier machine learning-modellen onder progressieve tabulaire distributieverschuivingen over meerdere datasets en verschuivingsmechanismen, waarbij wordt onthuld dat hoewel de initiële schone prestatie de absolute duurzaamheid sterk voorspelt, relatieve retentiemetrieken misleidend kunnen zijn, en dat specifieke monitoringstrategieën zoals DoC of random-forest regressoren optimaal zijn voor het detecteren van operationele defecten afhankelijk van de beschikbaarheid van gegevens.
Dit artikel introduceert ThyroNet, een hybride deep learning-model dat CNN-, BiLSTM- en DNN-lagen combineert en een hoge nauwkeurigheid (94,81% testnauwkeurigheid) bereikt bij het voorspellen van de terugkeer van schildklierkanker door klinische en pathologische kenmerken effectief te analyseren om gepersonaliseerde behandelplanning te ondersteunen.
Deze kritische review brengt de volwassenheid van AI-methoden in kaart over de gehele pijplijn van sensordevelopment, waarbij onderscheid wordt gemaakt tussen commercieel ingezette capaciteiten op gebieden zoals kalibratie en materiaalscreening versus grotendeels geprojecteerde claims van end-to-end levenscycluscompressie, terwijl tegelijkertijd cruciale datatekorten en voorwaarden voor toekomstige validatie worden geïdentificeerd.
Dit artikel toont aan dat voor Mamba-gebaseerde cross-domein Aspect-Based Sentiment Analysis eenvoudige last-token pooling gecombineerd met pseudo-label adaptatie effectiever is dan geavanceerde aggregatiemethoden of complexe poolingstrategieën, ondanks de huidige implementatie-inefficiënties in vergelijking met BERT.
Deze studie toont aan dat het verbeteren van machine learning-gebaseerde detectie van paper mills in kankeronderzoek door volledige tekst, citaties en afbeeldingen te integreren met titel- en abstractinformatie de nauwkeurigheid van het model aanzienlijk verbetert, waarbij tot 98,2% wordt bereikt op interne validatie en 96,4% op externe validatie.
Dit artikel toont aan dat hoewel conflictbewuste onthouding bij FEVER-beweringsverificatie een interpreteerbare rechtvaardiging biedt voor het achterhouden van antwoorden, het de selectieve nauwkeurigheid niet verbetert ten opzichte van standaard vertrouwensgebaseerde rangschikking bij gelijke dekking en slecht presteert wanneer het wordt toegepast op wetenschappelijk bewijs.
Dit artikel introduceert SciFilter, een open-access, op metadata gebaseerd systeem dat de schaalbare screening van wetenschappelijke publicatiebronnen automatiseert door bibliografische gegevens af te stemmen op nationale registers zoals JUFO en het Noorse Register, waarbij een hoge nauwkeurigheid (precisie 0,95, recall 0,96) en betrouwbaarheid (Fleiss' Kappa 0,94) wordt bereikt ten opzichte van door mensen gecureerde benchmarks.