974 papers
Het artikel introduceert SPIDER-WEB, een alles-in-één programmeerframework dat realtime, gelijktijdige gegevensretrieval tijdens DNA-sequencing mogelijk maakt, waarbij efficiëntiewinsten tot 9.083 keer groter worden behaald dan conventionele methoden en prestaties op het niveau van een compact disc worden gedemonstreerd met succesvolle videorendering in minder dan 100 seconden.
Deze scoping review analyseert bestaande IoT-beveiligingsframeworks voor digitale gezondheidssystemen en onthult dat de huidige oplossingen vaak specifieke gebieden aanpakken, maar een uitgebreide integratie missen, en identificeert kernelementen zoals kwetsbaarheidsbeoordelingen, dreigingsmodellering en AI als essentieel voor het ontwikkelen van robuuste, proactieve verdedigingsmechanismen.
Dit artikel presenteert een systematische ablatie-studie naar het aanpassen van TrOCR voor de herkenning van middeleeuws handgeschreven tekst, waarbij wordt aangetoond dat specifieke strategieën voor het bevriezen van lagen en het verwijderen van contrastnormalisatie concurrerende nauwkeurigheid kunnen bereiken op kleine historische datasets, terwijl ze tegelijkertijd inzichten bieden in cross-dataset validatie en interpreteerbaarheid.
Deze studie stelt een deep learning-framework voor met behulp van de UNSW-NB15-dataset voor netwerkintrusiedetectie en multi-class aanvalsklassificatie, waarbij wordt aangetoond dat een RNN-LSTM-architectuur beter presteert dan ANN- en CNN-modellen door een nauwkeurigheid van 97,42% te bereiken via geoptimaliseerde gegevenspreverwerking en technieken voor klassebalancering.
Dit artikel toont aan dat interpreteerbare machine learning-modellen, getraind op publieke kenmerken van ClinicalTrials.gov-protocollen, accuraat de waarschijnlijkheid van technisch en regulatoir succes voor small-molecule trials kunnen voorspellen, waarbij ze standaard benchmarks overtreffen en een reproduceerbare tool bieden voor risico-gecorrigeerde waardering.
Het artikel stelt SupCon-Mamba voor, een few-shot hyperspectraal doeldetectiekader dat een lokaal contextcoderingmechanisme, een piramide Mamba-module voor efficiënte multi-schaal spectrale modellering en supervised contrastief leren integreert om foutieve negatieven te elimineren en superieure detectieprestaties te bereiken met een minimaal aantal gelabelde monsters.
LGAgent is een gestructureerd, regelgestuurd multi-agent-framework dat gebruikmaakt van collaboratieve interacties tussen LLM's van verschillende schalen om professionele juridische workflows na te bootsen, waardoor het een interpreteerbare, verifieerbare en superieure adjudicatieve redenering levert vergeleken met standaard single-model benaderingen.
Dit artikel introduceert AIMAPP, een zelfsuperviserend, ROS-compatibel framework dat online mapping, lokalisatie en planning voor autonome robots in onbekende omgevingen verenigt door gebruik te maken van Active Inference om dynamisch schaarse topologische kaarten op te bouwen en exploratie te balanceren met doelgericht navigeren zonder afhankelijk te zijn van vooraf gedefinieerde kaarten of voorafgaande training.
Dit artikel stelt een hybride Bitcoin-voorspellingsmotor voor die Permutatie-entropie-gestuurde dubbellaagse signaaldecompositie (CEEMDAN-VMD) integreert met een door Multi-Swarm Optimalisatie geoptimaliseerd Diep Neuraal Netwerk, waarbij statistisch significante superieure prestaties in nauwkeurigheid en directionele voorspelling worden aangetoond vergeleken met baseline-modellen en single-swarm alternatieven.
Dit artikel stelt een bijdrage-bewust federated edge learning-algoritme voor (CA-FE-MADDPG) dat ruimtelijke interferentiemodellering, fijnmazige strafmechanismen en heuristisch gestuurde initialisatie integreert om spectruminterferentie, oneerlijke toewijzing van krediet en omgevings-niet-stationariteit in massale IoT-netwerken aan te pakken, waardoor de systeemdoorvoer, toegangspercentages en kwaliteit van dienstverlening aanzienlijk worden verbeterd.