3750 papers
Dit artikel presenteert AMOF, een hybride leergebaseerde runtime-controller voor Kubernetes die architecturale ontwerpprincipes integreert in resourcebeheer om prestatieverslechtering proactief te voorspellen en standaard autoscaling aanzienlijk te overtreffen in de efficiëntie van resources terwijl latentie-afwegingen worden beheerd.
Het artikel introduceert MedTruth, een deterministisch dual-mode framework dat een multimodale AI-modellen met vaste parameters en strikte output-schema's beperkt om hallucinaties te verminderen van 15% naar onder de 2%, wat betrouwbare verificatie van de authenticiteit van farmaceutische producten en veilige interactie met patiënten mogelijk maakt.
Dit artikel stelt een latentiebewust en energie-efficiënt framework voor de distributie van workloads voor hiërarchische voertuiggebonden fog computing voor, dat een Modified Particle Swarm Optimization (MPSO) algoritme gebruikt om taakoffloading en resourceallocatie te optimaliseren, waarbij significante verbeteringen in latentie, energieverbruik en executietijd worden aangetoond vergeleken met conventionele methoden.
Dit conceptuele artikel stelt een integratief kader voor, gebaseerd op de Dynamic Capabilities Theory, om te onderzoeken hoe AI-governance het organisatorisch toezicht binnen cybersecurity hervormt door onderscheid te maken tussen operationeel AI-gebruik en de governance-arrangementen die verantwoording, transparantie en betekenisvolle menselijke controle waarborgen.
Deze studie adresseert het gebrek aan een systematische benadering voor het karakteriseren van nepnieuws door een kwantificeerbaar linguïstisch kenmerkframework te ontwikkelen dat, via een met SHAP versterkte machine learning-analyse, acht kernkenmerken identificeert die zijn georganiseerd in drie cognitieve mechanismen, waardoor een nieuw perspectief wordt geboden voor het begrijpen, detecteren en reguleren van desinformatie.
Deze systematische literatuurstudie analyseert 50 recente studies over LoRaWAN-beveiliging en privacy om een nieuwe multiaxis-taxonomie voor te stellen, kritieke onderzoeks lacunes zoals het gebrek aan dynamische pseudonimisering en automatische rekeying te identificeren, en toekomstige richtingen te schetsen, waaronder post-kwantumcryptografie en machine learning-gebaseerde intrusiedetectie.
EthnoPulse is een multi-task deep learning-framework dat gezamenlijk traditionele muziekemotieherkenning en online betrokkenheidsvoorspelling modelleert met behulp van een partial-label-setting met disjuncte corpora, waarbij het de staat van de kunst bereikt en het cruciale belang van compositie-gegroepeerde evaluatie en dimensiespecifieke rapportage in cross-culturele muziekvergelijking benadrukt.
Dit artikel stelt een modulaire, driestaps pijplijn voor voor het mappen van heterogene beveiligingssyslogs naar een gemeenschappelijk schema, waarbij door middel van uitgebreide evaluatie op gegevens uit de Koreaanse onderwijssector wordt aangetoond dat het combineren van structurele canonicalisering met zowel lokale als agent-gebaseerde semantische matchers de mapping-nauwkeurigheid aanzienlijk verbetert, terwijl tegelijkertijd een kritieke afweging tussen precisie en implementatielatentie in verschillende vendor-omgevingen wordt onthuld.
Dit artikel stelt een op vertrouwen gebaseerd authenticatieframework voor dat is geïntegreerd met een Adaptive Aggregation Multi-scale Fusion Network (AAMF-Net) binnen een Edge-cloud-IoMT-architectuur om hartziekten effectief te detecteren, waarbij een nauwkeurigheid van 96,37% wordt bereikt door beperkingen in edge-bronnen aan te pakken via geavanceerde gegevenspreverwerking, kenmerkselectie en een hybride diep leermodel dat self-attention en multi-scale fusie combineert.
Dit artikel stelt een nieuw Gated Capsule-Transformer Network (GCT-Net) raamwerk voor, versterkt door Selectieve Meta-heuristische Optimalisatie en Geïntegreerde Generatieve-Synthetische Data Balancering om problemen met dataheterogeniteit, schaalbaarheid en onbalans in draagbare sensorgebaseerde gezondheidszorg te overwinnen, waardoor de nauwkeurigheid, precisie en sensitiviteit van real-time klinische diagnose aanzienlijk worden verbeterd.