2354 papers
Deze studie stelt een geautomatiseerd hematologisch classificatiesysteem voor met behulp van een Enhanced Randomized Forest (ERF) ensemblemodel getraind op 7.196 CBC-patiëntendossiers, dat andere machine learning-algoritmen overtreft in diagnostische nauwkeurigheid en gebruikmaakt van SHAP- en LIME-technieken om de interpreteerbaarheid van het model voor klinische besluitvormingsondersteuning te waarborgen.
Dit artikel identificeert preprocessing-bottlenecks, specifiek de beperkingen van SSD-bounding boxes, als de primaire oorzaak van nauwkeurigheidsverlies in lichtgewicht systemen voor het detecteren van vermoeidheid bij bestuurders en stelt een oplossing voor die CLAHE-adaptieve preprocessing, een driezonale vertrouwensprotocol en dynamische kwantisatie combineert om een nauwkeurigheid van 99,0% te bereiken met een latentie van minder dan 40 ms op edge-apparaten.
Het artikel introduceert QTRadX-KOA, een hybride quantum-klassiek framework dat een DenseNet-121 backbone, een lichtgewicht Transformer en een nieuwe Residual Hybrid Quantum Head integreert om randcompatibele, hulpbron-efficiënte classificatie van knieosteoartritis te bereiken met prestaties die vergelijkbaar zijn met grotere klassieke modellen, terwijl het aantal parameters met ongeveer 90% wordt verminderd.
Dit artikel introduceert VeritasAI, een uitlegbaar multi-agent framework dat Retrieval-Augmented Generation en een graafgebaseerde kennisopslag gebruikt om realtime nepnieuws te detecteren door een adversariële discussie tussen gespecialiseerde agents te simuleren, waardoor transparante, op bewijs gebaseerde vonnissen en redeneringen worden geboden die traditionele black-box systemen overtreffen.
Deze studie toont aan dat hoewel een compact hybride kwantum-klassiek beleid marginaal kan presteren ten opzichte van een qua omvang overeenkomend klassiek netwerk bij vraagtariefbewuste batterijbesturing, het voordeel beperkt en taakspecifiek is, en geen algemeen kwantumvoordeel vormt ten opzichte van snellere klassieke baselines.
Dit artikel introduceert Recursive Inference Machines (RIMs), een neuraal redeneerframework dat neurale backbones verenigt met klassieke recursieve inferentieschema's om de prestaties op complexe redeneerbenchmarks te verbeteren en de robuustheid en efficiëntie in tabulaire datastellingen te optimaliseren.
Dit artikel presenteert en valideert een productie-waardige architectuur voor veilige toegang tot legacy-bedrijfssystemen via natuurlijke taal, die betrouwbaarheid waarborgt door vrije SQL-generatie te vervangen door een Schema-Metadata Navigatiegrafiek en catalogus-beperkte extractie, waardoor hallucinaties en beveiligingsrisico's worden geëlimineerd door middel van architectonisch ontwerp in plaats van modelomvang.
Deze studie presenteert een intelligent real-time monitoringsysteem voor microplastics dat een verbeterde datastrategie combineert met de YOLOv11-architectuur om de detectie nauwkeurigheid aanzienlijk te verhogen, operatorvermoeidheid te verminderen en het screeningsproces voor complexe microscopische monsters te versnellen.
Met behulp van Design Science Research stelt deze studie een door AI versterkt agile framework voor en valideert dit, dat de ontwikkeling van MVP's aanzienlijk versnelt en de kwaliteit verbetert voor met beperkte middelen geconfronteerde lean tech-startups door de schattingstijd met 50% te verminderen en tot 97% migratienauwkeurigheid te bereiken via AI-ondersteunde workflows.
Dit artikel stelt een zelfgesuperviseerd, onzekerheidsbewust framework voor dat de stabiliteit van objectniveau 3D-lokalisatie in autonoom rijden verbetert door gebruik te maken van temporele geometrische consistentie en ego-bewegingscompensatie om diepteschattingen te verfijnen zonder dat daarvoor kostbare 3D-bounding box annotaties nodig zijn.