3775 papers
Het artikel stelt MILCR voor, een nieuw sequentieel aanbevelingsframework dat flow matching verbetert door wederzijdse informatie en lokale consistentieregularisatie te integreren om representatie-instorting en excessieve ruisafhankelijkheid te mitigeren, waardoor superieure prestaties worden behaald op ijle en discrete interactiedata.
Dit artikel toont aan dat gebiedsbewuste herweging van samples de recall voor kleine personen verbetert in INT8 Visual Wake Words-modellen zonder de inferentiegraph te wijzigen, hoewel het niet concluderend beter presteert dan eenvoudige oversampling en de fout-positieven licht verhoogt.
Deze studie stelt L-GTACNet voor, een hybride deep learning-framework dat Local–Global Transformers en Graph Convolutional Networks combineert met beeldverbeteringstechnieken om een nauwkeurigheid van 94,8% te bereiken bij de geautomatiseerde, objectieve beoordeling van de ernst van colitis ulcerosa op basis van de Mayo Endoscopische Score.
Deze studie toont aan dat hoewel machine learning-modellen in matige mate de uitkomsten van professioneel volleybal kunnen voorspellen wanneer ze rigoureus worden getest tegen datalekken en temporele beperkingen, een eenvoudige Elo-rating baseline zeer competitief blijft, wat suggereert dat complexe algoritmen beperkte toegevoegde waarde bieden voor besluitvormingsondersteuning voorafgaand aan de wedstrijd.
Deze studie stelt een Adaptive Block Coordinate Descent Logistic Regression (ABCD-LoR) model voor voor reactieve UAV-padplanning in statische omgevingen, dat obstakelvermijding frameert als een driedelige classificatieprobleem en via simulatie een vermindering van de padlengte en computationele tijd aantoont vergeleken met klassieke algoritmen, terwijl het de noodzaak erkent voor verdere validatie in real-world dynamische settings.
Deze studie maakt gebruik van een mixed-methods Computational Grounded Theory-raamwerk om bijna 100.000 Bluesky-berichten van 2023 tot 2025 te analyseren, waarbij wordt onthuld dat het publieke debat over AI in het onderwijs voornamelijk wordt gekenmerkt door scepsis en zorgen over academische integriteit, ethiek en de rol van docenten, ondanks incidentele positieve discussies over creatieve en instructieve toepassingen.
Het EPACE-FL-framework pakt de uitdagingen van privacylekken en lage communicatie-efficiëntie in edge-gebaseerd federated learning aan door een Dynamic Quantization and Chaotic Masking (DQCM)-algoritme te introduceren dat modelparameters gezamenlijk comprimeert en versleutelt, waardoor de communicatieoverhead aanzienlijk wordt verminderd terwijl de bescherming tegen kwaadaardige aanvallen wordt verbeterd.
Dit artikel presenteert twee algemene algoritmische decomposities—as-scheidbare 3D-convoluties en een single-pass integraal-statistiek-schema voor buurt-PCA—die 3D-puntenwolkverwerking voor embedded systemen versnellen door een 36-voudige reductie in MAC's en snelheidsverbeteringen van 30–280x te bereiken, terwijl de nauwkeurigheid van handmatige metingen behouden blijft bij de detectie van wapenings-mesh-intersecties.
Dit artikel stelt een multi-strategie depotselectie-portfolio voor het Capacitated Location Routing Problem voor dat gerandomiseerde preselectie, iteratief vegen, multi-starts en hertoewijzing combineert met een Adaptive Large Neighborhood Search en exacte allocatiemodellen om de Hexaly Optimizer baseline te overtreffen op 29 van de 30 benchmark-instanties, met name in gematigde capaciteitsregimes.
Dit artikel introduceert XM-MADRL, een uitlegbaar grafisch gebaseerd meta-reinforcement learning-framework voor UAV-zwermen dat significante prestatiewinsten laat zien in pakketlevering en anti-jamming-capaciteiten specifiek onder gedeeltelijke observeerbaarheid en adaptieve jamming, terwijl het onthult dat de coördinatie- en meta-adaptatiecomponenten geen voordeel bieden tegen voorspelbare jammers of volledige observeerbaarheid.