974 papers
Dit artikel stelt ADEST-U-Net voor, een dual-encoder architectuur die gebruikmaakt van cross-organ en cross-modality transfer learning van MRI-hersentumormodellen om de nauwkeurigheid van levertumorsegmentatie in CT-scans aanzienlijk te verbeteren en fout-positieven onder omstandigheden met schaarse data te verminderen.
Dit artikel presenteert een vijf-agent generatief AI-framework dat technische, fundamentele en sentimentanalyse integreert met anomaliedetectie en LLM-gebaseerde redenering om verklaarbare, vertrouwensbewuste aandelenmarktvoorspellingen voor Indiase aandelen te bieden, waarbij een directionele nauwkeurigheid van 72% en een cross-agent consensus van 78% wordt bereikt.
Dit artikel presenteert een softwareframework voor antropocentrisch dispatchmanagement in Industry 5.0-onderwijsomgevingen dat chronotype-bewuste optimalisatie, adaptieve criteriumweging en intelligente besluitvormingsondersteuning integreert om de kwaliteit van roosters, het welzijn van studenten en academische resultaten aanzienlijk te verbeteren, terwijl de eerlijkheid voor alle deelnemersgroepen wordt gewaarborgd.
Dit artikel presenteert het AgileOps Agentic Framework (AAF), een multi-agent beslissingsondersteunend systeem dat gespecialiseerde DevOps-, SRE-, FinOps- en DevSecOps-redenering integreert met uitlegbare, op bewijs gebaseerde analyse om projectmanagers te helpen gefragmenteerde operationele telemetrie te interpreteren naar actiegerichte governance-aanbevelingen, gevalideerd via gecontroleerde scenario's en real-world microservice-benchmarks.
Dit artikel introduceert SWIFT, een gradiëntvrije, white-box framework dat chirurgisch schaarse sturende vectoren injecteert in de diepe kritieke lagen van uitgelijnde Large Language Models om onderdrukte capaciteiten te herstellen met een hoge auditeerbaarheid, omkeerbaarheid en lokaliteit, waarbij het prestaties die bijna gelijk zijn aan volledig gesuperviseerde fine-tuning bereikt in minder dan 10 seconden terwijl minder dan 1% van de parameters wordt gewijzigd.
Dit artikel stelt LADMF voor, een verenigd raamwerk dat door LLM-geaugmenteerde kennisgraafredenering te integreren met ontkoppelde multimodale fusie en contrafactische causale aandacht om de nauwkeurigheid van conversievoorspelling in e-commerce aanzienlijk te verbeteren en menselijk leesbare, getrouwe verklaringen te genereren.
Dit artikel presenteert een systematische laag-voor-laag analyse van gefinetunede IndoBERT-modellen voor de detectie van Indonesische misinformatie, waarbij een consistente driedelige representatieve evolutie wordt onthuld waarbij cruciale hoax-gerelateerde kenmerken worden gevormd in intermediaire lagen en worden geconsolideerd in hogere lagen, terwijl het tevens de onderscheidende functionele rollen tussen [CLS] en gemiddelde pooling-representaties benadrukt.
Dit artikel stelt DLMC_Net voor, een nieuw deep learning-framework dat een aangepaste CNN, een adaptieve self-attention module en Borderline SMOTE combineert om een state-of-the-art nauwkeurigheid (99,92%) te bereiken in multi-class malwareclassificatie met behulp van bytecode-afbeeldingen, waarmee het gevestigde baseline-modellen aanzienlijk overtreft.
Dit artikel introduceert een generatief agent-framework dat het "Quiet Quitting"-fenomeen succesvol simuleert en kwantificeert, waarbij wordt onthuld dat hoewel betrokkenheidsstrategieën de verloopintenties aanzienlijk verminderen, hun effectiviteit kritisch wordt gemodereerd door persoonlijkheidskenmerken van werknemers, waardoor een computationele testomgeving voor precisiegericht crisismanagement wordt gevestigd.
Dit artikel toont aan dat instructies in natuurlijke taal kwetsbaar zijn onder verborgen operationele vereisten, wat onthult dat hoewel generieke prompting faalt om weggelaten beperkingen te voldoen, de prestaties aanzienlijk verbeteren wanneer die beperkingen expliciet worden opgevraagd en uitgevoerd.