929 papers
Dit artikel stelt een adaptief framework voor voor sequenties van volumetrische dichtheidsvelden dat gebruikmaakt van een nieuwe structurele descriptor voor optimale keyframe-selectie via dynamisch programmeren en een deeltjesgebaseerd interpolatieschema om reconstructie met hoge getrouwheid en minimale artefacten te bereiken.
Dit artikel stelt een lichtgewicht, real-time detector voor onbemande vaartuigen voor die de detectie van zwakke wateroppervlakdoelwitten verbetert door frequentiegeleide feature routing en schaalgenormaliseerde adaptieve lokalisatiesupervisie te integreren om uitdagingen zoals laag contrast en kleine objectgrootte aan te pakken, terwijl strikte latentie- en modelgroottebeperkingen worden gehandhaafd.
Dit artikel introduceert een closed-loop Auto Research-framework dat taalmodel-agenten gebruikt om moleculaire representaties, modelcode en extern bewijs te bewerken, waarbij het succesvol algemene verbeteringen ontdekt en certificeert over meerdere benchmarks voor moleculaire eigenschappen, terwijl het door middel van rigoureuze helden-testen onderscheid maakt tussen werkelijke overdraagbare winst en niet-overdraagbare selectievariantie en distributieverschuivingen.
Dit artikel stelt een verklaarbaar AI-framework voor dat transfer learning, Vision Transformers en ensemble-methoden combineert om een superieure nauwkeurigheid in borstkankervoorspelling (96,82%) te bereiken op de BreakHis-dataset, terwijl technieken zoals Grad-CAM en LIME worden gebruikt om de transparantie en interpreteerbaarheid van het model te vergroten.
Het artikel introduceert R-Super, een nieuw framework dat meer dan 100.000 radiologieverslagen gebruikt om tumorsegmentatiemodellen te trainen zonder dat daarvoor schaarse handmatige maskers nodig zijn, waardoor grootschalige detectie van meerdere soorten kanker mogelijk wordt die zowel bestaande AI-modellen als radiologen aanzienlijk overtreft.
Dit artikel introduceert SonicPlay, een op Unreal Engine gebaseerd framework dat audio-gebaseerde toegankelijkheidsprincipes operationaliseert in herbruikbare tools, waarbij via dubbele studies met blinde spelers en professionele ontwikkelaars wordt aangetoond dat het effectief onafhankelijke ruimtelijke navigatie mogelijk maakt terwijl het naadloos integreert in standaard game development workflows.
Deze empirische studie analyseert gegevens van 145 UCI-studenten met behulp van 18 machine learning-algoritmen om vast te stellen dat het LightGBM-model academische prestaties het meest nauwkeurig voorspelt, waarbij wordt onthuld dat persoonlijke en schoolgerelateerde educatieve factoren (zoals geslacht, leeftijd, parttime werk en klassikale aandacht) de primaire drijfveren van succes zijn, terwijl familiale factoren een zwakker effect hebben, wat de ontwikkeling van een interpreteerbare Shiny-applicatie voor gepersonaliseerde academische interventies mogelijk maakt.
Dit artikel introduceert de Collective Adaptation Testbed (CAT), een multi-agent softwarearchitectuur die geworteld is in de Dual-Inheritance Theory en de governance-paradox van kwantitatieve metrieken oplost door teambeslissingen te onderscheiden tussen blinde conformiteit en expertise-gestuurde dissidentie, waardoor het systeem in staat wordt gesteld om zijn eigen regels autonoom te herzien op basis van retrospectieve uitkomstgegevens.
Dit artikel stelt een artefact-bewust lichtgewicht U-vormig segmentatieframework en een reproduceerbare corruptiebenchmark voor om de robuustheid en nauwkeurigheid van dermoscopische laesiesegmentatie te verbeteren in aanwezigheid van acquisitie-artefacten zoals haar en spiegelende hooglichten.
Dit artikel stelt een privacy-bewarend deepfake-detectiekader voor dat Federated Learning integreert met ResNet-18 en het FedProx-algoritme om een hoge nauwkeurigheid (97,20%) te bereiken op de FaceForensics++ dataset, terwijl de gegevensbeveiliging en modelinterpreteerbaarheid worden gewaarborgd zonder dat ruwe afbeeldingen worden overgedragen.