974 papers
Dit artikel introduceert SBC-AND, een gecureerde dataset van 442 Portugese wetenschappelijke publicatiegegevens, ontworpen om de ondervertegenwoordiging van niet-Engelse talen in onderzoek naar het disambiguëren van auteursnamen aan te pakken en te dienen als een uitdagende benchmark voor het evalueren van meertalige disambiguatiemodellen.
Dit artikel stelt een staat-bewust multimodaal aanbevelingsrangschikkingsmodel voor grensoverschrijdende e-commerce voor dat expliciet korte-termijn verschuivingen in gebruikersintentie over zes operationele staten modelleert, waarbij een superieure prestatie wordt behaald bij cross-categorie en laagfrequente itemaanbevelingen op de nieuw geïntroduceerde 42M-record CEMR-42M dataset vergeleken met bestaande baselines.
Deze studie introduceert het MDQ-3L-framework om klassieke, diepe en quantum machine learning-modellen voor de voorspelling van luchtverontreiniging te benchmarken, waarbij wordt onthuld dat hoewel klassieke modellen zoals CatBoost en DBN momenteel beter presteren dan quantumbenaderingen onder NISQ-beperkingen, het voorgestelde multi-metrische scoresysteem effectief structurele beperkingen identificeert en de selectie van quantumcircuits met lage verstrengeling voor toekomstige hybride milieumodellering begeleidt.
Dit artikel stelt het gebruik van een low-resource CUT-GAN voor om synthetische mammografie-patches te genereren voor het trainen van deep learning-modellen in omgevingen met beperkte middelen, waarbij wordt aangetoond dat synthetische data de prestaties van modellen weliswaar verbetert vergeleken met geen data, maar momenteel een lagere nauwkeurigheid (0,751 AUC) oplevert dan trainen op echte afbeeldingen (0,913 AUC).
Dit artikel presenteert een synthetiseerbare vijffasen RV32IM-pipeline met een geïntegreerde gshare-branchpredictor en een host-onafhankelijke on-FPGA VGA-visualisatie-unit, die een 2,33× prestatieverbetering bereikt ten opzichte van een statische baseline terwijl real-time pipeline-introspectie en bit-exacte functionele verificatie mogelijk worden gemaakt.
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.