3775 papers
Dit artikel stelt een hybride raamwerk voor dat een niet-lineair epidemisch model met twee niveaus van beveiliging combineert met een diep neuraal netwerk om de dynamiek van malwarepropagatie te analyseren, te voorspellen en efficiënt te simuleren, waarbij een hoge nauwkeurigheid en computationele efficiëntie voor cybersecurity-toepassingen wordt aangetoond.
Deze studie toont aan dat hoewel een beveiligde lokale LLM-pipeline direct prompten aanzienlijk overtreft bij het genereren van correcte antwoorden, de interne consistentiecontroles er niet in slagen om de selectie van ongepaste klinische rekenmodellen te voorkomen, wat het kritieke belang benadrukt van aparte verificatie van toepasbaarheid vóór implementatie.
Dit artikel presenteert een evidence map die onthult dat hoewel bestaande metadataspectificaties de technische capaciteit bezitten om licentiëring en herkomst op bestandsniveau te volgen, er een kritische kloof blijft bestaan in hun adoptie en validatie over 29 onderzoeks corpora, wat aanleiding geeft tot een voorstel voor een minimale evidence kit en negen actiegerichte aanbevelingen om deze kloof te overbruggen.
Deze studie toont aan dat de waarschijnlijkheidsoutputs van beslissingsmodellen fouten in medische licentie-examenvragen effectief identificeren, wat een kostenefficiënte hybride strategie mogelijk maakt waarbij het doorverwijzen van de minst zelfverzekerde 20% van de antwoorden naar een sterker generatief model de algehele nauwkeurigheid aanzienlijk verhoogt, terwijl een substantieel deel van de potentiële winsten die beschikbaar zijn vanuit een ideale oracle wordt gevangen.
Dit artikel으로 toont aan dat het toepassen van strikte datapreprocessingtechnieken, inclusief SMOTE-oversampling en feature selectie, op een enkele Decision Tree-classifier de recall voor fraude detectie (77,46%) op een ongebalanceerde Europese creditcard-dataset aanzienlijk verbetert, wat een computationeel efficiënte en interpreteerbare oplossing biedt ondanks een lage precisie.
Dit artikel biedt een uitgebreid overzicht van op computer vision gebaseerde technieken voor 3D-anomaliedetectie, waarbij multimodale en puntenwolkmethoden, pose-agnostische methoden, datasets en benchmarks worden behandeld, terwijl netwerkarchitecturen worden geanalyseerd, de huidige uitdagingen worden belicht en toekomstige onderzoeksrichtingen voor intelligente productie worden geschetst.
Deze gecontroleerde studie toont aan dat hoewel batch reinforcement learning voor stapsgewijze heuristiek-compositie in offline strip packing bescheiden, statistisch significante verbeteringen oplevert ten opzichte van statische portfolio's, de prestaties ervan inferieur blijven aan budgeted local search en een beperkt voordeel bieden ten opzichte van goed afgestelde statische configuraties.
Dit artikel presenteert een softwareprototype voor slimme verkeersmonitoring met behulp van YOLOv11 en een Flask-dashboard, wat, ondanks het bereiken van slechts beperkte baseline-detectieprestaties op een kleine dataset, dient als een transparante basis voor toekomstige verbeteringen door de huidige capaciteiten te documenteren en expliciet te vermelden dat hardware-integratie en geautomatiseerde besturingsfuncties ontbreken.
Deze studie implementeert en evalueert een Retrieval-Augmented Generation (RAG) medisch vraag-antwoord-systeem met behulp van de MedQuAD-dataset, waarmee wordt aangetoond dat domeinspecifieke embeddingmodellen, in het bijzonder MedCPT, algemene baselines aanzienlijk overtreffen in zowel ophaalnauwkeurigheid als antwoordkwaliteit.
Dit artikel introduceert Maand, een full-stack, multimodale door AI gedreven virtuele platform voor geestelijke gezondheidszorg dat tekst, stem, realtime gebarentaal en immersieve emotionele omgevingen integreert om het wereldwijde tekort aan behandelaars en toegankelijkheidsbarrières te overwinnen, waarbij een robuuste klinische veiligheid, lage latentieprestaties en een hoge gebruikersacceptatie worden aangetoond door middel van rigoureuze empirische validatie.