3775 papers
Deze studie stelt HA-FedIDS voor, een federated learning-framework dat clientheterogeniteit en gegevensprivacy in smart grid-netwerken aanpakt door fysieke en cyberkenmerken te combineren om een hoge nauwkeurigheid bij de detectie van cyberaanvallen te bereiken, terwijl het conventionele gedecentraliseerde methoden overtreft.
Dit artikel introduceert BOP-Distrib++, een nieuw benchmarkingframework dat de evaluatie van 6D-pose herdefinieert door automatisch lokale symmetrieën te ontdekken om beeld-specifieke poseverdelingen te genereren, waardoor een nauwkeurigere beoordeling van zowel single-pose als multi-modale schattingsmethoden onder visuele ambiguïteiten mogelijk wordt.
Dit artikel stelt een efficiënt en interpreteerbaar multimodaal benchmark-framework voor en evalueert dit, dat lichtgewicht visuele en tekstuele modellen combineert om een superieure nauwkeurigheid en uitlegbaarheid in medische beeldclassificatie te bereiken vergeleken met single-modality en grootschalige baselines, waardoor het bijzonder geschikt is voor klinische omgevingen met beperkte middelen.
Het artikel stelt VM-SPMamba voor, een progressief framework voor video-gebaseerde zichtbare-infrarood persoon-re-identificatie dat gebruikmaakt van visie-gemoduleerde zachte-onderdeel ruimtelijke codering en onderdeel-gewijze bidirectionele temporele Mamba om effectief cross-modaliteit discrepanties en temporele evolutie te modelleren, waarbij het de state-of-the-art prestaties op benchmark-datasets bereikt.
Deze studie stelt een nieuwe Fuzzy Transformer-CNN-GRU-architectuur voor die meteorologische, satelliet- en stedelijke gegevens integreert met onzekerheidsadaptieve fuzzificatie om een uiterst nauwkeurige, stabiele en computationeel efficiënte één-dag-vooruit PM2.5-voorspelling in Teheran te bereiken, waarbij ze zeven benchmarkmodellen overtreft met een RMSE van 0,73 µg/m³.
Deze studie stelt een in de cloud gehost CNN+BiLSTM+Attention-model voor en implementeert dit, dat een superieure nauwkeurigheid (96,83%) en beveiliging bij SMS-spamdetectie bereikt vergeleken met traditionele en hybride deep learning-benaderingen, waarmee de effectiviteit van attention-mechanismen bij het creëren van praktische, inzetbare spamfilteringoplossingen wordt aangetoond.
Dit artikel toont aan dat op de ULB-creditcardfraudedataset een compacte subset van 15 kenmerken, afgeleid van een multi-methode rangschikkingsstrategie, een hoogwaardige fraude detectie mogelijk maakt over diverse classificatiemethoden zonder de noodzaak van SMOTE-oversampling, aangezien modellen die getraind zijn op de natuurlijke klassenverdeling consequent beter presteren dan modellen die met SMOTE zijn getraind wanneer deze worden geëvalueerd met correct afgestemde drempelwaarden.
Deze mixed-methods studie onder 58 cybersecurityprofessionals onthult dat hoewel mens-LLM-samenwerking de triage-nauwkeurigheid verbetert, de mate van afhankelijkheid van AI-advies significant varieert op basis van taaktransparantie, wat leidt tot specifieke ontwerpimperatieven voor het bouwen van betrouwbare, contextbewuste cybersecurity-assistenten die automatisering-bias mitigeren en gekalibreerd menselijk oordeel ondersteunen.
Deze thesis stelt het Ritual Time Window Smart Contract (RTWSC) framework voor en evalueert dit, een geïntegreerd intelligent transportsysteem dat blockchain-gebaseerde smart contracts, IoT-gegevens en elektrische voertuig-deelritdiensten combineert om verkeerscongestie, emissies en wachttijden aanzienlijk te verminderen, terwijl de eerlijkheid van de toewijzing voor Hajj-pelgrims wordt verbeterd.
Het artikel stelt RGDRec voor, een sociaal aanbevelingsframework dat de negatieve impact van ruisige sociale verbindingen vermindert door de betrouwbaarheid van relaties te schatten om stochastische graafdenoising te sturen en cross-domein contrastief leren toe te passen om sociale en interactie-representaties uit te lijnen, waardoor de aanbevelingsprestaties en robuustheid worden verbeterd.