969 papers
Dit artikel stelt een lichtgewicht Deep Spatio-Temporal Feature Extraction-gebaseerd Dual-Attention EEGNet (CSFE-DAE) raamwerk voor dat Common Spatial Patterns combineert met duale aandachtmechanismen om een state-of-the-art nauwkeurigheid van 97,59% bij de detectie van de ziekte van Parkinson op EEG-signalen te bereiken.
Deze studie maakte gebruik van een Four-D ontwikkelmodel om een AI-gebaseerd leerbeheersysteem voor basisscholen te creëren en te valideren, wat door experts als zeer haalbaar en effectief werd beschouwd voor het verbeteren van de computationele denkvaardigheden van leerlingen, met name op het gebied van decompositie, abstractie en algoritmen.
Dit artikel stelt een Feature-Adaptive Fusion Hybrid Quantum-Classical Neural Network (FAF-HQNN) voor dat klassieke en kwantumvoorspellingen dynamisch weegt om superieure nauwkeurigheid en robuustheid tegen ruis te bereiken bij biomedische beeldclassificatietaken.
Het artikel stelt ACDGRec voor, een robuust aanbevelingsmodel dat adversariële training en contrastief leren integreert in een op diffusie gebaseerd grafisch neuraal netwerk om effectief gegevensschaarsheid, cold-start-problemen en inputinstabiliteit aan te pakken door latente gebruikerscontextcorrelaties vast te leggen.
Dit artikel stelt een NDN-bewuste coöperatieve Multi-Agent Deep Deterministic Policy Gradient (MADDPG) raamwerk voor dat gebruikmaakt van gedecentraliseerd leren en gespecialiseerde staatrepresentaties om Cache Pollution Attacks in Named Data Networking effectief te mitigeren, waarbij een superieure cache-efficiëntie, snellere convergentie en verbeterde veerkracht wordt aangetoond in vergelijking met single-agent en conventionele benaderingen.
Dit artikel stelt een Linear Mapping-Enhanced Proximal Policy Optimization (LME-PPO) framework voor dat deep reinforcement learning gebruikt om dynamische load balancing te optimaliseren en de systeemlatentie in smart city edge computing-omgevingen te verminderen door effectief complexe taakruimtes te mappen en computationeel evenwicht over edge-servers te waarborgen.
Dit artikel stelt een multi-agent reinforcement learning-framework voor met speltheoretische prikkels om consensus te bereiken tussen autonome, lerende blockchain-deelnemers, waarbij wordt aangetoond dat beleid convergeert naar rechtvaardige en adversariële-tolerante evenwichten, terwijl specifieke architecturale beperkingen worden geïdentificeerd en theoretische convergentiegaranties worden verfijnd.
Deze studie maakt gebruik van Structurele Vergelijking Modellering om aan te tonen dat hoewel door AI gedreven cybersecuritybewustzijn en digitale geletterdheid de adoptie van op AI gebaseerde cybersecuritysystemen significant bevorderen, vertrouwen in deze systemen de gedragsintentie niet direct beïnvloedt, wat de kritieke noodzaak benadrukt voor organisaties om de ontwikkeling van cybersecuritybewustzijn en digitale geletterdheid prioriteit te geven boven enkel het opbouwen van vertrouwen.
Dit artikel introduceert DustFormer, een op deep learning gebaseerd encoder-decoder framework dat gelijktijdig stofsegmentatie en dichtheidsschatting in RGB-beelden uitvoert, waarbij een hoge nauwkeurigheid en robuustheid wordt bereikt voor toepassingen in milieumonitoring, precisielandbouw en slimme sensortechnologie.
Dit artikel stelt een gerichte symbolische executiemethode voor die wordt verbeterd met automatische symboliserings- en loop-boundingstrategieën om de haalbaarheid van interprocedurale controleflowpaden efficiënt te verifiëren, waarbij een superieure recall en precisie wordt aangetoond vergeleken met bestaande tools zoals KLEEF wanneer toegepast op real-world projecten en statische analyse-integratie.