1017 papers
Dit artikel stelt een veilig, door AI aangedreven, spraakgestuurd e-mailsysteem voor dat is ontworpen voor visueel beperkte gebruikers en dat grafische interfaces elimineert door FaceNet voor biometrische authenticatie, Whisper voor nauwkeurige spraakherkenning en transformer-modellen voor e-mailsamenvatting en vertaling via de Gmail API te integreren.
Deze studie toont aan dat 3D Swin Transformers convolutionele neurale netwerken aanzienlijk overtreffen in cross-scanner generalisatie voor hippocampale segmentatie, waarbij ze een bijna invariante prestatie bereiken over diverse multi-center datasets zonder fijnafstemming en een nieuwe standaard vestigen voor klinische implementatie.
Dit artikel toont aan dat hoewel zowel de gelijkenis in mening als de structurele gelijkenis polarisatie in sociale netwerken aanjagen, het strategisch combineren van deze mechanismen in algoritmen voor link-aanbevelingen netwerkfragmentatie kan voorkomen en de coëxistentie van gematigde meningen kan bevorderen.
Dit artikel stelt een uitlegbare multimodale hybride diepe leerframework voor die smartphone- en draagbare sensordata integreert om een nauwkeurige vroege detectie van depressie te bereiken door geavanceerde feature engineering en aandachtmechanismen te benutten om belangrijke gedragsindicatoren zoals slaaponregelmatigheid, verminderde mobiliteit, sociaal isolement en verhoogd nachtelijk smartphonegebruik te identificeren.
Dit artikel presenteert een Karakalpak automatisch spraakherkenningssysteem gebaseerd op de wav2vec 2.0 XLS-R architectuur, die gebruikmaakt van een nieuw gecreëerd 50-urige Karakalpak Spraakcorpus om een woordfoutpercentage van 21,10% te bereiken en de impact van het volume aan gelabelde data op de herkenningsprestaties van laag-resource talen aantoont.
Dit artikel stelt een door AI gestuurd assemblageframework voor dat realtime, contextbewuste instructies rechtstreeks in het productontwerp integreert om statische handleidingen te vervangen, waarbij via een gebruikersstudie wordt aangetoond dat deze aanpak de assemblagetijd, fouten, aarzeling en cognitieve belasting aanzienlijk vermindert in vergelijking met traditionele handmatige begeleiding.
Deze studie stelt een Time-Decay Gated Recurrent Unit (TD-GRU) model voor dat temporele verval beperkt tot de verborgen toestand om ruwe klinische waarden te behouden, waarmee een statistisch geloofwaardig netto klinisch voordeel en superieure prestaties ten opzichte van verschillende baselines wordt aangetoond voor vroege Sepsis-3 voorspelling in ijle, onregelmatig gesamplede ICU-trajecten.
Dit artikel stelt CCPP-LPC voor, een algoritme voor padplanning met volledige dekking dat gebruikmaakt van een lokaal model voor de evaluatie van padkosten en een adaptieve, dubbel geleide perturbatiestrategie om de beperkingen van bestaande heuristische methoden te overwinnen, waardoor superieure computationele efficiëntie en padoptimalisatie in complexe omgevingen worden bereikt.
Dit artikel stelt een op polarisatie gebaseerde methode voor voor anomaliedetectie met behulp van de Minimum Effort to Consensus (MEC)-index op sociale mediadata, waarbij wordt aangetoond dat het monitoren van verschuivingen in publieke onenigheid traditionele op volume gebaseerde benaderingen overtreft bij het identificeren van significante gebeurtenissen, zoals gevalideerd door middel van een casestudy van het debat over de Colombiaanse pensioenhervorming van 2024 op X.
Deze studie stelt een nieuw hybride deep learning-model voor dat Variational Mode Decomposition (VMD), Temporal Convolutional Network (TCN) en Bidirectional Gated Recurrent Unit (BiGRU) combineert, dat negen andere machine learning-algoritmen significant overtreft bij het voorspellen van de langetermijn maandelijkse zonnestraling met behulp van NASA POWER-gegevens uit Turkije.