2354 papers
Dit artikel introduceert DMASNet, een lichtgewicht en efficiënt framework voor defectdetectie in printplaten dat gebruikmaakt van multi-schaal feature-optimalisatie, dynamische upsampling en gespecialiseerde verliesfuncties om de nauwkeurigheid en de realtime inferentiesnelheid op industriële hardware aanzienlijk te verbeteren.
Dit artikel introduceert een kwantum Local Density of States (LDOS)-primitief voor random k-SAT die amplitude estimation gebruikt om de resterende bevredigingsfractie efficiënt te schatten, waarbij een kwantumvoordeel wordt aangetoond voor clausbreedtes van vier of hoger, terwijl wordt verduidelijkt dat de positiviteitsfractie primair een structureel tel-effect is in plaats van een signaal van de freezing-transitie.
Dit artikel stelt een adaptief reconstructie-bewust bewijsvoeringsfusiekader voor dat ruimtelijk discriminerende en reconstructie-bewuste takken integreert via anomalie-gestuurde interactie en betrouwbaarheidsroutering om een robuuste, generaliseerbare detectie van door diffusie gegenereerde afbeeldingen te bereiken over ongeziene generatoren en post-processing perturbaties heen.
Dit artikel stelt een hybride diepe statistische framework voor dat een temporele convolutionele autoencoder, een probabilistisch residu-model en extreme waarde-kalibratie integreert om robuuste, interpreteerbare en adaptieve anomaliedetectie in multivariate sensorstromen te bereiken, waarbij een superieure prestatie en verminderde detectievertragingen over zes diverse benchmarks wordt aangetoond vergeleken met transformer- en contrastieve baselines.
Dit artikel stelt TWLASBMSL voor, een nieuwe methode voor het genereren van Tibetaanse woordniveau-adversariële monsters die morfof syntactische koppeling integreert om grammaticale correctheid te waarborgen, terwijl het doelmodellen bij sentimentanalyse- en tekstclassificatietaken effectief misleidt.
Dit artikel introduceert DRS-Track, een verbeterd multi-object tracking framework dat dynamische sampling, receptive-field aandacht en een cross-scale gedeelde detectiekop integreert om uitdagingen zoals schaalvariaties en occlusies te overwinnen, waarbij superieure prestaties worden behaald op zowel een zelf geconstrueerde dataset als de KITTI-benchmark.
Dit artikel stelt een energiezuinig, robuust en interpreteerbaar neuromorf computingsysteem voor dat gebruikmaakt van spiking neurale netwerken en hardware-bewuste training om met hoge nauwkeurigheid en in realtime leverziekten te detecteren aan de hand van klinische biomarkers, waarmee het een superieur alternatief biedt voor conventionele, rekenintensieve modellen.
Het artikel stelt het Hierarchical Sensor-Fused Edge Intelligence with Digital Twin Feedback (HSEI-DTF) framework voor, een meerlagig voorspellend onderhoudssysteem dat edge-gebaseerde multimodale signaalverwerking, hybride machine learning-modellen en physics-informed digitale tweeling-synchronisatie integreert om de uitvaltijd van apparatuur en de fout-negatief-percentages aanzienlijk te verminderen, terwijl een hoge nauwkeurigheid en lage latentie in industriële IoT-omgevingen worden bereikt.
Dit artikel stelt een dynamisch manipulatiehypergraaf-framework voor dat evoluerende interacties tussen meerdere entiteiten modelleert als hogere-orde relationele eenheden in plaats van paarwijze randen, waarmee significante prestatieverbeteringen wordt bereikt bij fijnmazige menselijke activiteitsherkenning op de EPIC-KITCHENS-100/VISOR en Assembly101 datasets.
Dit artikel toont aan dat TinyML-modellen op beperkte IoT-apparaten kwetsbaar zijn voor stealthy voltage en elektromagnetische fault injection attacks die de nauwkeurigheid kunnen degraderen of voorspelbare outputs kunnen afdwingen, en stelt Randomized Self-Reduction en majority voting voor als effectieve tegenmaatregelen om hun robuustheid te vergroten.