974 papers
Dit artikel stelt CD-LHBC voor, een consensusgestuurde lichtgewicht hiërarchische blockchain voor Digital Cousin Networks die regionale subchains, een coördinatiechain en een dynamische digitale-cousin-consistentiescore integreert om lage latentie en fouttolerante synchronisatie te bereiken in multi-regio omgevingen met tot 25% kwaadaardige nodes.
Dit artikel presenteert een datagestuurde aanpak met behulp van sensornetwerken en ensembles van gerandomiseerde beslissingsbomen om radioactieve bronnen in complexe omgevingen nauwkeurig te detecteren, te lokaliseren en te volgen, waarbij een superieure prestatie wordt aangetoond ten opzichte van traditionele methoden terwijl de noodzaak voor gedetailleerde stralingstransportmodellering wordt geëlimineerd.
Dit artikel stelt het Quality-Constrained Preference Fading (QCPF) model voor, dat discrete diffusie-aanbevelingen verbetert door uniforme willekeurige bemonstering te vervangen door een kwaliteitsbewuste mengverdeling en een mechanisme voor het filteren van vals-negatieven om meer informatieve trajecten van voorkeursdegradatie te genereren, waardoor de Top-K aanbevelingsprestaties aanzienlijk worden verbeterd zonder extra inferentielatentie toe te voegen.
Dit artikel stelt een hybride model voor voor de detectie van phishing-URL's dat Graph Neural Networks integreert met Random Forest om een superieure nauwkeurigheid en een vermindering van het aantal fout-positieven te bereiken in vergelijking met traditionele machine learning en alternatieve GNN-benaderingen.
Dit artikel stelt een multi-agent architectuur voor die gebruikmaakt van door LLM gestuurde autonome agenten om zelfgestuurde softwarekwaliteitsborging mogelijk te maken door het automatiseren van testgeneratie, uitvoering, zelfherstel en defecttriage, terwijl er continu wordt geleerd van historische uitkomsten om de beperkingen van traditionele gescripte testen aan te pakken.
Dit artikel stelt een Hybrid Explainable Deep Learning Framework (HEDLF) voor dat CNN, BiLSTM en aandachtmechanismen integreert met multi-sensorfusie en SHAP-gebaseerde verklaarbaarheid om een hoge nauwkeurigheid in voorspellend onderhoud en fysieke interpreteerbaarheid voor industriële IoT-systemen te bereiken, zoals gevalideerd door superieure prestaties op de NASA C-MAPSS en IEEE PRONOSTIA benchmarks.
Deze systematische review van 22 studies gepubliceerd tussen 2010 en 2026 concludeert dat hoewel leerbare Gabor- en waveletfilters interpreteerbare en efficiënte verbeteringen bieden voor de classificatie van mammografisch borstkanker, er een aanzienlijk bewijsgat blijft bestaan met betrekking tot hun gezamenlijke integratie voor multiclass radiologische en pathologische stadiëring.
Dit artikel stelt een gedestilleerd edge intelligence-framework voor dat een tweefasige kennisdistillatiestrategie combineert met een vertrouwensbewust edge-cloud collaboratief inferentiemechanisme om nauwkeurige detectie van boutdefecten te bereiken op communicatiemastapparaten met beperkte middelen, terwijl de verhouding van cloud-uploads en de latentie aanzienlijk worden verminderd.
Deze studie stelt een hiërarchisch deep learning-framework voor en valideert dit, dat YOLOv8-detectie combineert met DenseNet121-classificatie om robuuste detectie, typificatie en ruimtelijke visualisatie van ananasziekten te bereiken onder uitdagende tropische veldomstandigheden, waarbij een superieure nauwkeurigheid en betrouwbaarheid in blindveldtesten wordt aangetoond vergeleken met eenstapsbenaderingen.
Dit artikel stelt een computationeel kader voor dat de metafoor van "buiten de kaders denken" formaliseert door conceptuele grenzen te definiëren als geometrische regio's in een latente semantische ruimte, waardoor het mogelijk wordt om creatieve afwijking te meten via een onderwerp-genormaliseerde geometrische afstandmetriek.