2358 papers
Dit artikel toont aan dat op de DataSense IIoT-benchmark netwerkverkeerkenmerken alleen bijna voldoende zijn voor nauwkeurige intrusiedetectie over de meeste aanvalscategorieën, waarbij apparaattelemetrie slechts minimale waarde toevoegt, behalve voor het onderscheiden van man-in-the-middle (MITM) aanvallen.
Dit artikel stelt een op vaardigheidsgroepen gericht framework voor dat feature-attention-gestuurde K-means clustering combineert met een globale uitlijmingsstap om de moeilijkheidsgraad van programmeerproblemen op Online Judge-platforms effectief te categoriseren, waarbij de clusteringkwaliteit en de consistentie tussen groepen aanzienlijk worden verbeterd in vergelijking met standaard baselines.
Deze Design Science Research-studie presenteert de ontwikkeling van RAIA, een aan governance gebonden AI-artefact ontworpen om nationale toezichthoudende autoriteiten te ondersteunen bij op bewijs gebaseerde medicijn-reliance-beoordelingen door veilige gegevensverwerking, traceerbare synthese van bewijsmateriaal en door mensen gesuperviseerde besluitvorming te integreren binnen een herbruikbaar architecturaal framework.
Dit artikel stelt een nieuw raamwerk voor de detectie van netwerkanomalieën dat multi-periodieke gebalanceerde attribuutsubgrafen combineert met een Diffusion-HAN-netwerk om effectief gegevensimbalans en classificatieonzekerheid aan te pakken, waarbij significante verbeteringen worden bereikt in de detectie van onbekende aanvallen en de F1-score vergeleken met de huidige stand van de techniek.
Dit artikel presenteert een modulair, servicegeoriënteerd systeem dat computer vision, deep learning en 3D-avatarrendering integreert om effectieve, bijna real-time bidirectionele communicatie tussen doven en horende individuen in de Portugese gebarentaal mogelijk te maken.
Dit artikel stelt GhostV2-YOLO voor, een hardware-bewust lichtgewicht UAV-detectienetwerk dat DFC-Light aandacht, een full-link C2f_GhostV2-module en strategische Coördinaat Aandacht integreert om hoge nauwkeurigheid en real-time inferentie op hulpbronnenbeperkte edge NPU's te bereiken, terwijl het sterke cross-dataset generalisatie demonstreert.
Dit artikel stelt een op bewijs gebaseerde methodologie voor die gebruikmaakt van Evidence Theory om automatisch belangrijke belanghebbenden te identificeren door subjectieve salience-aanbevelingen te aggregeren, waarbij conflicten effectief worden beheerd om een consensus te bereiken die de prioritering van eisen optimaliseert.
Dit onderzoek adresseert het gebrek aan domeinspecifieke begeleiding voor mens-AI-samenwerking in de maakindustrie door literatuur en expertinterviews te synthetiseren om een verfijnd socio-technisch ontwerpframework voor te stellen, bestaande uit acht kerndimensies die aansluiten bij Human-Centred AI en Industry 5.0-principes om het welzijn, de veerkracht en het effectieve teamwork van werknemers te bevorderen.
Dit artikel stelt CFCO voor, een methode voor collaboratieve coalitievorming die gericht is op het maximaliseren van het sociale welzijn en die lokale, D2D- en MEC-computatiemodi verenigt om taakoffloading in vehicular edge computing te optimaliseren, waarbij superieure prestaties op het gebied van vertraging, eerlijkheid en efficiëntie worden aangetoond ten opzichte van bestaande baselines op basis van real-world trajectgegevens.
Dit artikel stelt een hybride machine learning-framework voor dat Variational Mode Decomposition integreert voor signaaldecompositie, Recursive Feature Elimination voor featureselectie, SMOTE voor klassebalancering en een CatBoost–SVM-classifier om een zeer nauwkeurig (98,5%) luchtkwaliteitsclassificatiesysteem te bereiken met behulp van CPCB-gegevens.