974 papers
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.
Deze studie evalueert vijf grote taalmodellen op OKAP-stijl vragen over oogheelkunde, waarbij wordt onthuld dat algemene modellen, in het bijzonder Gemini-Pro-3, de gespecialiseerde klinische AI-tool OpenEvidence overtroffen op het gebied van nauwkeurigheid en kalibratie, terwijl tegelijkertijd een significante prestatieheterogeniteit en gedeelde redeneerfouten bij alle systemen werden aangetoond.
Dit artikel stelt een nieuw intrusiedetectiekader voor dat een twee-traps stacked autoencoder voor diepe feature-extractie combineert met een Proximal Policy Optimization-gebaseerde deep reinforcement learning-agent, waarbij concurrerende prestaties en efficiëntie over meerdere benchmark-datasets wordt aangetoond.
Dit artikel stelt een op vertrouwen en convergentie gebaseerde sequentiële herkenningsmethode voor onderwaterbewegende doelwitten voor die het vertrouwen in het gedragstype dynamisch bijwerkt en beslissingen alleen accepteert wanneer dominantie, temporele stabiliteit en interklasse-scheiding gezamenlijk zijn voldaan, waardoor de nauwkeurigheid aanzienlijk wordt verbeterd en fouten worden verminderd onder beperkte en onzekere waarnemingen in vergelijking met bestaande baselines.
Het artikel stelt HiRoC voor, een multimodale emotieherkenningsframework dat de voorspellingsnauwkeurigheid verbetert door relevante conversatiegeschiedenis selectief te routeren via spreker-getypeerde grafen en beslissingen te kalibreren met behulp van cross-modale discrepantie om beperkingen in bestaande graafgebaseerde methoden aan te pakken.
Dit artikel presenteert een geautomatiseerde, schaalbare methode die interprocedurele statische analyse combineert met controleflow- en data-afhankelijkheidstracking om natuurlijke lussen nauwkeurig te detecteren en hun iteratieaantallen te bepalen in geoptimaliseerde binaire code, waarbij een hoge precisie en schaalbaarheid wordt bereikt op real-world software en benchmark-suites.