3775 papers
Deze systematische literatuurstudie analyseert kritisch machine learning-technieken voor persoon- en scèneanalyse met behulp van oog-gereflecteerde beelden door 12 primaire studies te synthetiseren om een onderzoeks-taxonomie voor te stellen, belangrijke hiaten te identificeren en toekomstige richtingen voor dit opkomende veld te schetsen.
Deze studie evalueert en vergelijkt vijf machine learning-algoritmen, waaronder geoptimaliseerde ensemble- en boostingmodellen, op de Pima Indians Diabetes-dataset om het risico op diabetes te voorspellen, waarbij geoptimaliseerde Random Forest wordt geïdentificeerd als het meest nauwkeurige model en SHAP-analyse wordt gebruikt om glucose, BMI en leeftijd als de belangrijkste voorspellende factoren te bevestigen.
Dit artikel presenteert HEEH-V1, een open-source DICOM-researchviewer, en valideert de kwantitatieve beeldverwerkingsworkflows door middel van rigoureuze testen tegen referentiesoftware en fantoomgegevens, waarmee de reproduceerbaarheid wordt bevestigd, terwijl expliciet wordt vermeld dat deze resultaten geen klinische prestaties of volledige naleving van regelgeving vaststellen.
Dit artikel verkent het vakgebied van tekst-multimedia-retrieval en onderzoekt methodologieën zoals multimodale fusie en deep learning om uitdagingen zoals de semantische kloof en schaalbaarheid bij het ophalen van multimedia-inhoud met behulp van natuurlijke taalzoekopdrachten te overwinnen.
Deze snelle scoping review van 69 AI- en ML-studies in zorgsettings voor ouderen onthult dat de huidige rapportagepraktijken de prioriteit geven aan technische modelontwikkeling boven essentiële systeemaspecten, zoals externe validatie, onzekerheidskwantificering en contextuele implementatiedetails, wat suggereert dat bestaande richtlijnen voor medische AI ontoereikend zijn voor de complexiteit van ouderenzorg.
Deze studie toont aan dat het integreren van AES-256-GCM geauthenticeerde opslag met volledig homomorfe encryptie veilige, end-to-end machine learning-inferentie mogelijk maakt met minimaal verlies in voorspellende nauwkeurigheid, ondanks de aanzienlijke computationele overhead vergeleken met verwerking in klare tekst.
Deze studie introduceert DamageArbiter, een multimodaal arbitrageframework dat de nauwkeurigheid en betrouwbaarheid van schadebeoordeling op basis van straatbeelden verbetert door een meta-classificator te benutten om onenigheid tussen modellen op te lossen, waardoor de classificatieprestaties aanzienlijk worden verbeterd en fouten door overmatige zelfverzekerdheid worden verminderd in vergelijking met bestaande unimodale en multimodale baselines.
Deze studie toont aan dat quantum-kernel overlevingsmodellen voor borstkankerterugkeer exact verklaard kunnen worden via Shapley-waarden vanwege hun lage-qubit-codering, terwijl het onthult dat hun voorspellende prestaties statistisch vergelijkbaar zijn met klassieke radial-basis-kernels en robuust zijn tegen ruis, wat suggereert dat hun primaire praktische waarde ligt in interpreteerbaarheid in plaats van superieure nauwkeurigheid.
Dit artikel stelt RDC-MOEA voor, een door een straaldecoder ondersteund geconstrueerd multi-objectief evolutionair algoritme dat gelijktijdig sensoraanactivatie en energieverbruik optimaliseert voor probabilistische sterke barrièredekking in multimedia draadloze sensornetwerken door binaire activatiepatronen te evolueren en een gespecialiseerde decoder te gebruiken om adaptieve detectiestralen te construeren, waardoor een superieure prestatie en robuustheid wordt bereikt in vergelijking met bestaande varianten.
Dit artikel stelt DDI-VO voor, een nieuwe end-to-end monoculaire visuele odometrie-architectuur die dichte en ijle methoden verenigt door middel van een geometrie-bewust aandachtmechanisme en geometrisch curriculumleren om superieure robuustheid in uitdagende omstandigheden te bereiken terwijl een concurrerende nauwkeurigheid behouden blijft.