3731 papers
Dit artikel presenteert een prestatie-draagbare SIMD-acceleratie van sparse lineaire algebra-bibliotheken (Ginkgo, PETSc en SLEPc) met behulp van Google Highway op RISC-V-hardware, waarbij de afwegingen tussen draagbaarheid, programmeerbaarheid en prestaties worden geëvalueerd om toekomstige adoptie op opkomende open-ISA-platformen te begeleiden.
Deze studie toont aan dat agressieve, op de voorgrond gerichte patch-sampling bij het segmenteren van scheuren in het wegdek onbedoeld de ruimtelijke ondersteuning beperkt door grote delen van de trainingsafbeelding onbereikbaar te maken, een tekort dat de prestaties onder batch normalisatie aanzienlijk verslechtert en moet worden aangepakt door sampling te behandelen als een ruimtelijke gegevensselectieregel in plaats van uitsluitend als een interventie tegen klassenonbalans.
Dit artikel stelt FRAG-Net voor, een uitlegbaar framework voor computationele intelligentie dat Conditional Wasserstein GAN combineert voor de generatie van synthetische minderheidsmonsters, multi-head attention voor featurefusie en SHAP voor interpreteerbaarheid om ernstige klasse-onbalans bij vroege waarschuwingen van financieel risico effectief aan te pakken.
Dit artikel stelt een communicatie-efficiënt en robuust federated learning-framework voor IoT-cameraapparaten voor dat Top-K gradiënt-sparsificatie, FedProx-regularisatie en GroupNorm-normalisatie combineert om tegelijkertijd de knelpunten in de uplink-bandbreedte en de nauwkeurigheidsafname veroorzaakt door niet-IID-datastructuren aan te pakken.
Dit artikel stelt een uitlegbare en lichtgewicht Intrusion Detection System voor het Internet of Health Things voor, dat Z-score normalisatie, PCA geoptimaliseerd door het Grey Wolf Algorithm, en een door het Whale Optimization Algorithm afgestemde Deep Belief Network combineert met SHAP/LIME interpreteerbaarheid om een hoge detectienauwkeurigheid en een lage computationele overhead op edge-apparaten te bereiken.
Dit artikel stelt een deep learning warm-start methode voor die gebruikmaakt van neurale netwerken om nauwkeurige initiële schattingen te genereren voor kwadratische programmeerproblemen, wat de computationele efficiëntie van simulaties van vliegtuigassemblage binnen digital twin-frameworks aanzienlijk versnelt.
Dit artikel presenteert een offline, deterministisch expertsysteem voor de oorzaakanalyse in staalgieterijen dat gated verificatie, een aparte weerleggingsrechter en strikte bewijsvoeringbeperkingen hanteert om hallucinaties van grote taalmodellen te mitigeren, waarbij uiteindelijk een human-in-the-loop autonomiemodel wordt voorgesteld waarbij het systeem bevindingen suggereert voor menselijke goedkeuring. De prestaties van het systeem worden vergeleken met een referentieanalyse, waarbij opgemerkt moet worden dat deze referentieanalyse is geschreven door een LLM onder begeleiding van de auteur en geen onafhankelijk expertrapport is.
Dit artikel stelt een robuust Spatio-Temporeel Graph Reinforcement Learning-framework voor dat Graph Attention Networks en Transformer-gebaseerde temporele encoders integreert om multi-agent verkeerslichtbesturingssystemen in staat te stellen effectief onderscheid te maken tussen transiënte ruis en persistente verstoringen, waardoor een superieure doorvoer en een sneller herstel van structurele defecten wordt bereikt in vergelijking met de huidige state-of-the-art baselines.
Dit artikel stelt vast dat distributieve Bellman-operatoren met willekeurige multi-horizon machtswet-gewichten contracties zijn in de supremale p-Wasserstein-metriek en de ware return-distributie behouden als een uniek fixpunt, waardoor een theoretische fundering wordt geboden voor het integreren van langetermijngeheugenmechanismen in distributief reinforcement learning.
Confidential Pulse is een systeem dat veilige, conversationele toegang tot federatieve overheidsgegevens mogelijk maakt door responsen te reconstrueren uit geautoriseerde payloads binnen Hyperledger Fabric-kanalen, waarbij gegarandeerd wordt dat het systeem weliswaar de ontsluiting van gegevens buiten het bereik voorkomt, maar nog steeds kwetsbaar blijft voor informatielekken via de gegenereerde proza van het model.