3775 papers
Dit artikel introduceert MobileNetV2-KAN+, een lichtgewicht architectuur met 3,65 miljoen parameters die een MobileNetV2-backbone combineert met een gebonden Kolmogorov-Arnold Network-classifier om robuuste, goed gekalibreerde herkenning van de rijpheid van fruit over verschillende datasets heen te bereiken zonder afhankelijk te zijn van voorgetrainde gewichten of grote modelgroottes.
ST-KEDA is een voorspellend, kostenbewust autoscaling-framework voor Kubernetes-microservices dat Variational Mode Decomposition en topologiebewuste coöperatieve LSTM-voorspelling integreert met realtime kosteninschatting om de infrastructuurkosten en schaalvertraging aanzienlijk te verminderen, terwijl strikte SLA-naleving wordt gehandhaafd.
Dit artikel introduceert FCI-SF, het eerste globaal consistente, op constraints gebaseerde algoritme voor het leren van causale structuren met streaming kenmerken, dat causale grafen efficiënt bijwerkt wanneer nieuwe gegevens binnenkomen, terwijl het formele asymptotische garanties biedt en superieure nauwkeurigheid en snelheid demonstreert op zowel synthetische als real-world datasets.
Het artikel introduceert LipiNet, een lichtgewicht en robuuste architectuur voor de herkenning van handgeschreven Devanagari-tekens die gebruikmaakt van structurele priors via scaffold-geïnjecteerde dense residual networks en gated capsule routing om een state-of-the-art nauwkeurigheid (99,75%) te bereiken met slechts 3,9 miljoen parameters.
Deze studie evalueert negen grote taalmodellen op basis van meertalige juridische redeneertaken en onthult dat hun besluitvormingsprocessen vaak instabiel zijn, gekenmerkt door inconsistente rechtvaardigingen, onbetrouwbare zelfcontroles en een gebrek aan semantische coherentie, wat daarmee de geldigheid van het gebruik van enkel besluitvormingsovereenstemming als maatstaf voor redeneerstabiliteit uitdaagt.
Dit artikel stelt een resource-bewust evaluatiekader en een Bayesiaans geoptimaliseerd hybride leermodel voor dat gebruikmaakt van synthetische netwerkverkeer gegenereerd door Conditional Variational Autoencoders (CVAE) om effectief intrusiedetectiesystemen te trainen voor resource-beperkte IoT- en edge-omgevingen, waarbij superieure prestaties en efficiëntie worden aangetoond in vergelijking met standaard GANs en ensemble-baselines.
Dit artikel stelt een robuust RGB-IR objectdetectiekader voor met Complementary Feature Maintenance en een verbeterde Cross-modal Transformer om ontbrekende modaliteitsinformatie effectief te herstellen en cross-modale fusie te verbeteren, waardoor een hoge detectieprestatie wordt behouden onder zowel volledige als ontbrekende modaliteitsomstandigheden.
Dit artikel stelt een voorspellingsonzekerheid-bewust adaptief dual-timescale multi-agent resource orchestratie-framework voor geïntegreerde energie-lakehouses voor, dat een onzekerheid-verbeterd MAPPO-algoritme gebruikt om het gebruik van hernieuwbare energie, servicelatentie en koolstofemissies gezamenlijk te optimaliseren, terwijl de unieke complexiteiten van heterogene reken-, opslag- en energiereacties worden geadresseerd.
Deze studie presenteert een door een validatieset beperkt drie-pad fusiekader voor het voorspellen van de 24-uurs ziekenhuissterfte dat consistente interne prestatiewinsten en robuustheid tegen wijzigingen in EHR-systemen vertoont, maar significante beperkingen onthult in de cross-database transporteerbaarheid naar de eICU-dataset waar uit de bron afgeleide fusiegewichten er niet in slagen zich aan te passen aan de datakenmerken van de nieuwe omgeving.
Dit artikel presenteert een methode voor co-inferentie van primitieve grammatica die uitvoerbare constructielogica en herbruikbare ontwerpparameters herstelt uit Chinese sleutelfretpatronen zonder taakspecifieke training te vereisen, wat compactere en bewerkbare representaties mogelijk maakt voor erfgoeddocumentatie en hergebruik.