1017 papers
Dit artikel stelt een Auxiliary Classifier Generative Adversarial Network (AC-GAN) raamwerk voor dat hoogwaardige thermische afbeeldingen van zeldzame fotovoltaïsche defecten synthetiseert om klassenimbalans aan te pakken, waardoor de probabilistische kalibratie en betrouwbaarheid van door AI gestuurde foutdiagnose in zonne-energieoperaties aanzienlijk wordt verbeterd.
Dit artikel introduceert QNeuroGen, een hybride kwantum-klassiek neuraal framework dat real-time decodering van cognitieve toestanden uit ruisgevoelige EEG-signalen bereikt met een nauwkeurigheid van 89,2% en een latentie van 48 ms door gestructureerde preprocessing te integreren met variabele kwantumkenmerkencodering.
Deze studie stelt een hybride ResNet101-LSTM-architectuur voor die geoptimaliseerd is met Adam en een hoge nauwkeurigheid en specificiteit bereikt bij het classificeren van borstkanker uit BreaKHis histopathologische beelden bij 40x vergroting, waarbij het andere deep learning-modellen overtreft in zowel binaire als multiklasse-scenario's.
Deze studie toont de levensvatbaarheid van Quantum Neural Networks voor het voorspellen van windenergie aan door systematisch 12 configuraties te evalueren tegenover klassieke modellen, waarbij wordt onthuld dat specifieke QNN-ontwerpen een concurrerende prestatie kunnen bereiken (tot R² = 0,94) ondanks de computationele afwegingen die inherent zijn aan NISQ-tijdperk simulaties.
Dit artikel introduceert QGH-256, een nieuw kwantumhashingalgoritme dat 256-bits vingerafdrukken genereert door berichten te mappen naar gewogen grafen op een toroidaal rooster en Quantum Phase Estimation te gebruiken om spectrale kenmerken te extraheren die zowel structurele als dynamische eigenschappen vastleggen, waarbij de sterke cryptografische gevoeligheid en haalbaarheid via Qiskit-simulaties worden aangetoond.
Dit artikel introduceert DDANet, een nieuw Dense Dual-Attention Network dat dichte skip-verbindingen en dual-attention mechanismen combineert om superieure begrenzing en generalisatie in medische beeldsegmentatie te bereiken, waarbij het baseline-modellen overtreft met hoge nauwkeurigheid, Dice- en IoU-scores.
Dit artikel presenteert TinyOL-ARLDA, een lichtgewicht, on-device incrementeel leersysteem gebaseerd op geregulariseerde Lineaire Discriminant Analyse dat real-time, cloud-onafhankelijke geluidsgebaseerde predictieve maintenance op microcontrollers mogelijk maakt met een nauwkeurigheid van meer dan 94% en een geheugenvoetafdruk van minder dan 20 KB.
Dit artikel stelt CGS-RAG voor, een nieuw framework dat het HDRF-algoritme gebruikt voor aanpasbare gemeenschapspartitiering en semantische rapportage om de beperkingen van traditionele en graaf-verbeterde RAG-systemen te overwinnen door een balans te vinden tussen globale semantische consistentie en efficiënt hulpbrongebruik in dynamische kennisscenario's.
Dit artikel presenteert een deterministisch, concept-gegrond framework voor vluchtsimulatortraining dat subsymbolische bewijslast mapt naar toelaatbare scenario-adaptaties via een beperkt machine learning-beleid, waarbij betrouwbaarheid wordt gewaarborgd door formele veiligheidsgaranties en empirische effectiviteit wordt aangetoond in het benaderen van een geverifieerd baseline-beleid.
Dit artikel stelt een multimodale computationele framework voor die loopvideo, inertiële signalen, plantaire druk en knieflexiedata combineert om een intelligente beoordeling van de kniefunctie met hoge nauwkeurigheid en voorspelling van het oefeningsrisico voor oudere patiënten te bereiken, waarbij een superieure stabiliteit en robuustheid wordt aangetoond in vergelijking met bestaande basismodellen.