929 papers
Dit artikel stelt DP-DCGAN voor, een met differential privacy verbeterde Deep Convolutional Generative Adversarial Network die adaptieve gradiëntclipping en ruisinjectie gebruikt om een superieure balans te bereiken tussen privacybescherming en hoogwaardige beeldsynthese op standaard datasets.
Dit artikel introduceert een door AI gedreven adaptieve load balancing-functie voor CloudSimPlus die gebruikmaakt van een vooraf getraind Decision Tree-model om dynamisch de meest geschikte strategie te selecteren uit een verenigd framework van beleidsregels op basis van realtime metrieken en gebruikersgedefinieerde doelstellingen, waardoor de efficiëntie en besluitvorming in dynamische cloudomgevingen wordt verbeterd.
Dit artikel betoogt dat het prioriteren van sterke modelgeneralisatie om overfitting te voorkomen een effectievere strategie is voor het mitigeren van membership- en attribute inference-aanvallen in SDN-IoT intrusiedetectiesystemen dan uitsluitend vertrouwen op differential privacy, waarbij een hybride AOPRF-XGBoost-cascade-model wordt voorgesteld om een hoge detectienauwkeurigheid te bereiken terwijl de privacy behouden blijft.
Dit artikel stelt LA-MOCHS voor, een levensduurbewust evolutionair framework dat multi-objective clusterkop-selectie in onderwater draadloze sensornetwerken aanpakt door de servicecapaciteit te modelleren als een submodulair invloedmaximalisatieprobleem, waardoor superieure langetermijnnetwerkduurzaamheid wordt bereikt door middel van belastingbewuste implementatiestrategieën in plaats van optimaliteit voor één enkele ronde.
Dit artikel presenteert een privacy-bewarend, door middelen beperkt framework voor vroege risicovoorspelling bij studenten dat gekalibreerde XGBoost-modellen, SHAP-gebaseerde uitlegbaarheid en een budgetbewuste agentische interventielaag integreert om nauwkeurige, interpreteerbare en conforme besluitvorming te waarborgen terwijl het machine unlearning ondersteunt.
Dit artikel introduceert CerebroTune, een nieuwe bio-geïnspireerde hybride metaheuristiek die Cellular Automata, een aangepast Artificial Bee Colony-algoritme en Reinforcement Learning met Hopfield-netwerken integreert om deep learning-hyperparameters dynamisch te optimaliseren, waarbij een superieure nauwkeurigheid, verminderde computationele kosten en verbeterde stabiliteit over diverse domeinen wordt bereikt in vergelijking met bestaande methoden.
Dit artikel stelt een Improved Gold Mine Optimization Algorithm voor met een duaal-laags informatie-uitwisselingskader en dynamische Pareto-dominantie (IGMO-DP) om effectief het multi-objectieve planningsprobleem van heterogene UAV-zwermen op te lossen door gelijktijdig de missieduur, het energieverbruik en de belastingbalans te optimaliseren, waarbij een superieure convergentie en oplossingsdiversiteit wordt aangetoond vergeleken met de meest geavanceerde algoritmen.
Dit artikel betoogt dat de traditionele, op citaties gebaseerde metriek voor wetenschappelijke impact verouderd raakt in een tijdperk van ontbundelde tijdschriften en door AI bemiddelde toegang tot kennis, wat een nieuw systeem noodzakelijk maakt dat de bijdragen van AI-interactie, open-source bibliotheken en datasets die geen formele publicaties missen, erkent en meet.
Dit artikel stelt een wachtrijbewuste taakoffloading-methode voor voor het computing continuum die een analytisch gecorrigeerde G/G/c-vertragingbenadering hybride combineert met realtime wachtrijobservaties om taken dynamisch toe te wijzen onder variabele werklasten, waardoor de latentie en de schattingsfout aanzienlijk worden verminderd in vergelijking met bestaande baselines zonder dat training of kalibratie vereist is.
Dit artikel stelt DPENet voor, een dynamisch perceptieverbeteringsnetwerk dat adaptieve dynamische convolutie, vervormbare aandacht en dynamische bemonsteringsmodules integreert om effectief uitdagingen zoals variërende doeltargetgroottes, dichte kleine objecten en complexe achtergronden in detectie van remote sensing-beelden met een hoge resolutie aan te pakken.