1017 papers
Dit artikel presenteert een op DenseNet-121 gebaseerd deep learning-systeem dat een nauwkeurigheid van 96,52% bereikt bij het classificeren van vier soorten hersentumoren uit Bengaalse MRI-datasets, terwijl het gebruikmaakt van Grad-CAM en gerelateerde technieken om de transparantie en betrouwbaarheid van het model te waarborgen.
Dit artikel stelt IDW-ADAFormer voor, een op iTransformer gebaseerd framework dat adaptieve Inverse-Distance Weighting-decompositie, een kernel-gebaseerde alignment diversity attention-module en een AQI-bewuste verliesfunctie integreert om nauwkeurige en interpreteerbare prognoses op middellange termijn van ruimelijk verdeelde concentraties van fijnstof te bereiken.
Dit artikel stelt een Pareto hybride artificial fish swarm algoritme voor dat verbeterde voedingsmechanismen en simulated annealing integreert om gelijktijdig assemblagevolgordeplanning en assemblijn evenwicht optimaliseren door het balanceringsverlies, de schakeltijden en de beat-tijd te minimaliseren.
Deze studie evalueert de prestaties van het Apriori-algoritme op grootschalige synthetische transactionele datasets om aan te tonen dat hoewel het verlagen van ondersteuningsdrempels de diversiteit van regels vergroot, dit de computationele kosten aanzienlijk verhoogt, wat uiteindelijk de noodzaak benadrukt om algoritmische diepte met efficiëntie te balanceren door middel van optimale drempelselectie.
Dit artikel stelt een Population State-Aware Cooperative Adaptive Differential Evolution (PSAC-DE) algoritme voor met een unificerende staatcontroller om een vier-doelstellingen arterieel verkeerssignaalcoördinatiemodel op te lossen, waarbij significante verbeteringen in vertraging, stops, groenegolfbreedte en koolstofemissies worden aangetoond ten opzichte van mainstream optimalisaties in gesimuleerde Hangzhou-scenario's.
Het artikel stelt FreqPrompt-AD voor, een training-vrij framework dat zero-shot industriële anomaliedetectie en segmentatie verbetert door gebruik te maken van frequentie-gestuurde lokale semantische prompting om de beperkingen van globale beeld-tekst uitlijning in CLIP-achtige modellen te overwinnen, waarmee het state-of-the-art prestaties bereikt op meerdere benchmarks.
Dit artikel introduceert een meetkundig kader gebaseerd op utiliteitsaxioma's om de rationaliteit van Large Language Models te evalueren, waarbij wordt onthuld dat veel modellen systematische schendingen van de voorkeurstransitiviteit vertonen die de besluitvormingscoherentie ondermijnen, zelfs terwijl sommige patronen het menselijk gedrag spiegelen.
TopoLeaf is een trainingsvrij, zero-shot visueel anomaliedetectiekader voor agrarische cyber-fysieke systemen dat geometrische afstand en lokale persistente homologie combineert op basismodelkenmerken om op robuuste wijze nieuwe plantziekten en structurele afwijkingen te identificeren over diverse gewasdomeinen heen zonder geannoteerde gegevens te vereisen.
Dit artikel presenteert een systematische review van 80 studies (2010–2026) die de evoluerende wapenwedloop tussen AI-gestuurde detectie van cyberdreigingen en adversariële evasietechnieken analyseert, waarbij een verenigde taxonomie, visuele trendanalyse en een kritische beoordeling van uitdagingen en toekomstige richtingen binnen Zero Trust-beveiligingsomgevingen worden aangeboden.
Dit artikel introduceert TimeSynth, een gecontroleerd benchmarkframework dat de beperkingen van standaard puntgewijze metrieken bij het evalueren van digitale tweelingen van gezondheidssignalen blootlegt door significante fase- en frequentiefouten in vooraanstaande modellen te onthullen, waarmee wordt gepleit voor architectuurgestuurde modelselectie op basis van temporele getrouwheisdiagnostiek.