3657 papers
Dit artikel stelt een door software engineering geïnspireerd kader voor voor AI-governance dat de "stille drift" van normatieve beleidsregels aanpakt door te pleiten voor granulaire versiebeheer, geclassificeerde wijzigingslogs en expliciete rollback-mechanismen om een transparante, controleerbare en door regelgevers geaccepteerde evolutie van beleid te waarborgen.
Dit artikel introduceert PulmoDiagAI, een intelligent op deep learning gebaseerd systeem dat gefinetunede CNN-architecturen en geavanceerde beeldvoorverwerking gebruikt om een nauwkeurige automatische classificatie van longkanker en COVID-19 uit medische beeldvorming te bereiken, wat uiteindelijk via een real-time GUI wordt geïmplementeerd om clinici te ondersteunen bij de vroege detectie van ziekten.
Deze studie toont aan dat herschrijven door generatieve AI de prestaties van detectoren voor gezondheidsmisinformatie aanzienlijk verslechtert door het induceren van dataset-specifieke faalmodi, hoewel transformatie-bewuste training de robuustheid binnen hetzelfde domein gedeeltelijk kan herstellen zonder consistent te generaliseren over verschillende datasets.
Dit artikel introduceert DACH-DDPG, een drift-bewust continu hybride leerframework dat SVM en XGBoost combineert voor adaptieve signaalgeneratie met een DDPG-agent voor sequentiële handelsbeslissingen, waarmee markt-niet-stationariteit effectief wordt aangepakt door middel van prestatiegestuurde modeladaptatie om superieure risico-gecorrigeerde rendementen te behalen.
Dit artikel stelt het EWGF-CTSA-OSN-framework voor, dat entropiegewogen gefilterde filtering, convolutionele getransponeerde zelf-aandacht en een geoptimaliseerd spiking neuraal netwerk integreert om een zeer nauwkeurige vroege diagnose van borstkanker uit echografiebeelden te bereiken door effectief ruis te onderdrukken, multiscale kenmerken vast te leggen en parameters fijn af te stemmen via het Dung Beetle Optimization-algoritme.
Dit artikel presenteert een uitgebreide benchmark van individuele en ensemble-gebaseerde Explainable AI-methoden voor Arabische transformer-gebaseerde tekstclassificatie, waarbij wordt onthuld dat hoewel selectieve ensembeling bescheiden verbeteringen biedt in model-gecentreerde getrouwheid, het de mens-gecentreerde plausibiliteit niet significant verbetert, naast de introductie van een kosteneffectieve geautomatiseerde methode voor rationale-selectie.
Dit artikel stelt een proof-of-concept raamwerk voor dat SHAP-gebaseerde modelverklaringen integreert met Retrieval-Augmented Generation (RAG) om voorspellingen van falen bij preventief onderhoud te transformeren naar actiegerichte, interpreteerbare en gevalsspecifieke onderhoudsadviezen door relevante kennis op te halen op basis van dominante faalfactoren.
Dit artikel stelt een uitlegbare machine learning-framework voor om het risico op 30-daagse ziekenhuisheropname voor diabetespatiënten te voorspellen, met als doel ziekenhuizen een eerlijke en nauwkeurige ondersteunende tool te bieden voor het identificeren van hoogrisicopatiënten, terwijl algoritmische transparantie en rechtvaardigheid worden gewaarborgd.
Dit artikel presenteert een reproduceerbare kwantitatieve inhoudsanalyse van 69 wetenschappelijke records gepubliceerd tussen 1992 en 2026, die de distributie en structurele patronen van onderzoek naar vertrouwen in machine learning over zes domeinen, waaronder beveiliging, biometrie, robotica en toeleveringsketens, karakteriseert, terwijl wordt aangetoond dat bibliografische titels slechts zwak overeenstemmen met handmatig gecodeerde applicatiecategorieën.
Dit artikel introduceert het Citation Receipt Protocol (CRP), een systeem dat cryptografisch ondertekende, controleerbare verslagen van geauthenticeerde bronretrievels genereert om digitale bibliotheken in staat te stellen specifieke citatiegebeurtenissen via steekproefsgewijze controles te verifiëren, terwijl het expliciet de beperkingen erkent met betrekking tot het certificeren van globale volledigheid of semantische citatiegeldigheid.