1017 papers
Dit artikel stelt een bronverificatie-aanpak voor voor het detecteren van e-mailgebaseerde phishing die NLP combineert om doelinstellingen te extraheren met webmining om verstrekte URL's en inhoud te vergelijken met officiële websites, waarbij een nauwkeurigheid van 96% wordt bereikt en bestaande detectiediensten wordt overtroffen.
Deze studie presenteert een geïntegreerde toolkit van Augmented Reality en ingebedde elektronica die het begrip van complexe netwerkgrafieken bij bachelorstudenten in de STEM-richtingen aanzienlijk verbetert, waarbij met name studenten met een laag initiëel zelfvertrouwen profiteren door het combineren van gesynchroniseerde fysiek-virtuele visualisaties met tactiele interactie en contextuele overlays.
Dit artikel stelt NSP-ML voor, een multimodale leerframework dat visuele gegevens integreert met normaliteitsgeleide en ruimtelijk-temporeel voorafgaande tekstuele logs om de herkenning van contextafhankelijke abnormale gedragingen in campusomgevingen aanzienlijk te verbeteren, waarbij state-of-the-art prestaties worden behaald op de CABRH8-dataset.
Dit artikel stelt IoT-TrustChain voor, een efficiënt in middelen gebruikmakend, op blockchain gebaseerd toegangscontroleframework dat dynamische delegatie en gebeurtenisbewuste beleid regels integreert om de beslissingslatentie en gasconsumptie aanzienlijk te verminderen, terwijl de realtime responsiviteit voor beperkte IoT-omgevingen wordt verbeterd.
Deze studie toont aan dat via afbeeldingen ingebedde prompt injection een aanzienlijk cross-vendor beveiligingsrisico vormt voor dentale visie-taalmodellen, waarbij wordt onthuld dat hoewel alle geteste commerciële en open-source systemen kwetsbaar zijn, OCR-gebaseerde sanering en herkomstbewuste governance-strategieën deze aanvallen effectief kunnen mitigeren terwijl de klinische diagnostische nauwkeurigheid behouden blijft.
Dit artikel stelt een nieuw boundary-aware diep affien aandacht netwerk voor dat de modellering van grenswoordpaarrelaties, dynamische convolutie en diepe affiene aandacht integreert om effectief de uitdagingen in entiteitsgrensbepaling en langetermijnafhankelijkheidsmodellering aan te pakken, waarbij state-of-the-art prestaties worden behaald op zowel platte als geneste benoemde entiteitsherkennings-taken over vijf benchmark datasets.
Dit artikel introduceert en evalueert de Bernardes Branch-Aware Pythagorean Residual Fields als een gespecialiseerde, niet-productiegerichte geometrie-verwerkingsdiagnostische tool, ontworpen om tak-compatibele contourkenmerken te genereren voor exploratieve mesh-envelopanalyse, terwijl het expliciet zijn beperkingen erkent met betrekking tot coördinateneafhankelijkheid, resolutiegevoeligheid en het gebrek aan fabricagegaranties in vergelijking met standaard afstandsvelden.
Deze studie stelt een deep learning-framework voor dat gebruikmaakt van YOLO-architecturen om acht bestuurdersactiviteiten te detecteren en te classificeren, waarbij wordt aangetoond dat het YOLOv8n-model superieure real-time prestaties bereikt met een mAP van 96,3% op een dataset van 5.422 afbeeldingen, waardoor het een effectieve oplossing biedt voor het verbeteren van de verkeersveiligheid in intelligente transportondersteunende systemen.
Deze systematische literatuurstudie van 136 artikelen identificeert 14 belangrijke onderzoeksperspectieven op de kwaliteit en begrijpelijkheid van de Unified Modeling Language (UML)-notatie, onthult een groeiende trend naar testen en evaluatie, en stelt toekomstige onderzoeksrichtingen voor, waaronder integratie met low-code platforms en verbeterde automatische beoordeling.
Dit artikel presenteert het Interpretable Edge Intelligence (IEI) framework, dat een LSTM-Autoencoder combineert met K-Means-gecomprimeerde KernelSHAP om real-time, causale oorzaakanalyse van QoS-anomalieën in 5G-private netwerken te bereiken, waarbij een hoge nauwkeurigheid en de kritieke noodzaak van lokale kalibratie worden aangetoond om deployment-fouten te voorkomen.