3729 papers
Dit artikel stelt een raamwerk voor genaamd "Consequence Organization" om de levenscyclus en identiteit van interne structuren in leersystemen te definiëren op basis van hun causale impact op toekomstige uitkomsten, waarbij wordt aangetoond dat een dergelijke organisatie persisteert, overdraagt en sterft op manieren die niet alleen door representatieve gelijkenis of operator-uitlijning kunnen worden gevangen.
Deze studie vestigt een reproduceerbaar, lekveilig evaluatiekader voor de classificatie van CNC-gereedschapsslijtage met behulp van de UC Berkeley Milling Dataset, waarbij wordt aangetoond dat een eenvoudig, interpreteerbaar logistisch regressiemodel complexe ensembles overtreft wanneer deze correct gegroepeerd zijn per gereedschapscasus en in lijn zijn met fysieke slijtindicatoren.
Dit artikel introduceert MHOI-Miner, een efficiënt algoritme dat maximale high occupancy itemsets mijnt door gebruik te maken van een nieuwe grootte-gekoppelde bovengrens, headunion-tail look-ahead en subsumptie-technieken om de zoekruimte aanzienlijk te verkleinen en bestaande methoden op de meeste datasets te overtreffen.
Dit artikel presenteert een cross-domein empirische studie die vier methoden voor het genereren van lexicale kandidaten evalueert over 34 datasets, waarbij wordt onthuld dat BM25 een stabiele prestatie biedt terwijl character n-gram retrieval dient als een robuuste zero-configuratie baseline, wat uiteindelijk schaalbare kennisgraaf-matching mogelijk maakt met een reductie van de zoekruimte van meer dan 99%.
Dit artikel toont aan dat hoewel het consolideren van de gesprekshistorie direct in de gewichten van een taalmodel de feitelijke herinnering verbetert zonder externe archieven, het model er niet in slaagt om de herkomst van de spreker betrouwbaar bij te houden, wat het behoud van een extern archief noodzakelijk maakt om informatie accuraat toe te schrijven.
Dit artikel stelt een optimalisatiegestuurd framework voor dat feature selectie, hyperparameter optimalisatie en deep learning integreert om uitdagingen zoals klassenonbalans en hoogdimensionele data aan te pakken voor nauwkeurige en efficiënte detectie van creditcardfraude.
Dit artikel presenteert een lichtgewicht op YOLOv8n gebaseerd beeldherkenningssysteem voor het detecteren, classificeren en tellen van oppervlaktewaterafval, waarbij wordt aangetoond dat hoewel de aanpak haalbaar is met beperkte data en CPU-bronnen, de huidige bescheiden prestatie (mAP50 van 0,244) de noodzaak benadrukt van uitgebreidere datasets, verfijnde labels en verlengde training om praktische bruikbaarheid te bereiken.
Dit artikel lost de paradox van degradatie van domeinkennis in Joint-Embedding Predictive Architectures op door te bewijzen dat maximum-entropie encoders theoretisch optimaal zijn en dat fysica-restricties op de decoder moeten worden toegepast in plaats van op de encoder, terwijl het tegelijkertijd een kritieke faalmodus blootlegt waarbij offline latente planning gemakkelijk kan worden geëxploiteerd door modellen die geen werkelijke ondersteuning bieden voor downstream controle.
Dit artikel introduceert Decoupled Entropic-Geometric Planning (DEGP), een framework dat de afweging tussen robuuste perceptie en stabiele trajectoptimalisatie in latente ruimte-planning aanpakt door architecturale scheiding te combineren met analytische spectrale grenzen en runtime-telemetrie om de operationele limieten van contact-conditionele voorspelling te definiëren.
Dit artikel meldt dat, ondanks hoge goedkeuringspercentages en nul testfouten, een systematische herbeoordeling van 22 door AI gegenereerde agent-benchmarks universele defecten aan het licht bracht—waaronder genegeerde taken, gememoriseerde scores en publicatielekken—die zowel door geautomatiseerde tests als door menselijke beoordelaars werden gemist, wat kritieke gebreken in de huidige agent-benchmarking- en evaluatieprotocollen onderstreept.