1017 papers
Deze studie toont aan dat Submanifold Sparse Convolutional Networks (SSCN) met een nauwkeurigheid van 97,2% en een dekking van 99,7% met minimale trainingsdata een hoogprecisie, operationele Airborne LiDAR Bathymetrie-verwerking bereiken, waarmee een reproduceerbare benchmark wordt vastgesteld voor geautomatiseerde kustmeting en hydrografische opname.
Deze studie stelt een GPT-4-framework voor voor het automatiseren van belangrijke administratieve documenten in de gezondheidszorg, zoals ontslagbrieven en verzekeringsclaims, waarbij een hoge mate van vloeiendheid en coherentie wordt aangetoond door middel van prompt engineering, terwijl tegelijkertijd de noodzaak voor toekomstig werk wordt benadrukt om feitelijke nauwkeurigheid en realisatiewerk in de praktijk aan te pakken.
Dit artikel introduceert een Monte-Carlo Compressive Optimization-algoritme dat willekeurige queries gebruikt om gegeneraliseerde momenten te schatten en een hergebruikt compressief sensor-greedy algoritme inzet om combinatorische optimalisatieproblemen op te lossen, waarbij het concurrerende prestaties biedt ten opzichte van dual annealing, theoretische rechtvaardiging en instelbare aanpasbaarheid aan computationele middelen biedt.
Dit artikel stelt FedSAG-IVW voor, een federated learning-framework dat lokale self-attention-mechanismen combineert met inverse variantie-weging en Tikhonov-regularisatie om effectief nepnieuws te detecteren terwijl gegevensheterogeniteit wordt aangepakt en gegevensprivacy wordt gewaarborgd, waarbij een superieure nauwkeurigheid over meerdere datasets wordt bereikt.
Het artikel introduceert DenoisedSR, een solver-agnostische front-end die variabel-ondersteunde priors leert om de nauwkeurigheid van symbolische regressie voor het ontdekken van natuurwetten aanzienlijk te versnellen en te verbeteren door irrelevante variabelen te filteren voordat ze de backend-solver bereiken.
Dit artikel introduceert het Structure-Aware Collaborative Generative Framework (SACGF), een nieuwe pipeline die Stable Diffusion, ControlNet en SAM integreert om een hoogwaardige digitale reconstructie van lakkunst-oppervlakken te bereiken door een balans te vinden tussen structurele consistentie, textuurgetrouwheid en stijlcoherentie, gevalideerd door een nieuwe kwantitatieve metriek en een gespecialiseerde dataset.
Dit artikel stelt SEM-EDGE-X voor, een intentiebewust semantisch edge intelligence-framework dat semantische extractie van kenmerken, adaptieve routering en multi-agentcoördinatie integreert om conventionele communicatiemodellen in laag-latente, dynamische 6G UAV–voertuignetwerken aanzienlijk te overtreffen.
Dit artikel toont aan dat machine learning-modellen, in het bijzonder Recurrent Neural Networks, wachttijden in complexe, tijdvariërende prioriteitswachtrijsystemen nauwkeurig kunnen voorspellen met uitsluitend de wachtrijlengte en klantprioriteit, waarbij zij boomgebaseerde methoden overtreffen bij zowel niet-preemptieve als diverse preemptieve serviceregels.
Deze studie evalueert zes deep learning-architecturen voor maritieme objectdetectie onder diverse weersomstandigheden, waarbij wordt aangetoond dat het Vision Transformer (ViT)-model de CNN-gebaseerde alternatieven overtreft door een nauwkeurigheid van 100%, de laagste foutpercentages en de snelste verwerkingssnelheid te bereiken, wat daarmee het potentieel ervan benadrukt voor het verbeteren van AI-gestuurde maritieme beveiliging en surveillance.
Dit artikel stelt een nieuwe methode voor kenmerkselectie voor die kernelalignment integreert om heterogene medische gegevens binnen een Reproducing Kernel Hilbert Space te verenigen en driewegclustering uitbreidt om grensonzekerheid expliciet te modelleren, waardoor de dimensionaliteit effectief wordt verminderd terwijl de nauwkeurigheid en stabiliteit van ziektevoorspelling op multimodale klinische datasets aanzienlijk worden verbeterd.