2363 papers
Dit artikel stelt QRISP voor, een efficiënt in middelen en resolutie-onafhankelijk raamwerk voor kwantumbeeldrepresentatie dat afbeeldingen codeert via statistische blokbeschrijvers om de circuitcomplexiteit en de benodigde qubits voor NISQ-hardware aanzienlijk te verminderen, terwijl het concurrerende classificatieprestaties behoudt.
Dit artikel stelt een verenigd dual-branch framework voor dat tri-modale medische beeldfusie en superresolutie gezamenlijk optimaliseert door gebruik te maken van gespecialiseerde structuur- en functietakken met een bidirectionele cross-attention module om de integratie van complementaire kenmerken te verbeteren en hoogwaardige gefuseerde representaties te produceren.
Het artikel stelt LACL-OCR voor, een lichtgewicht document-OCR-framework dat de prestaties verbetert door een heuristiek-gebaseerde curriculum learning-strategie te combineren om de training te organiseren van gemakkelijke naar moeilijke samples met een nieuwe Layout-Aware Loss-functie, waarmee state-of-the-art resultaten wordt behaald op OmniDocBench zonder het aantal modelparameters of de inferentiekosten te verhogen.
Dit artikel betoogt dat het bereiken van linguïstisch-epistemische rechtvaardigheid voor isiZulu en andere Afrikaanse talen in door AI bemiddeld onderwijs vereist dat men verder gaat dan louter tekstgeneratie om een governance-kader te vestigen dat deze talen behandelt als geldige infrastructuren voor redeneren, identiteit en intellectuele autoriteit door middel van rechtvaardige datarepresentatie, de handelingsbekwaamheid van docenten en institutionele verantwoording.
Deze studie stelt een complexiteitsbewust modelselectiekader vast voor structurele simulatiesurrogaten door aan te tonen dat, terwijl descriptor-gebaseerde modellen volstaan voor eenvoudige geometrieën, mesh-gebaseerde graph neural networks noodzakelijk en aanzienlijk nauwkeuriger worden naarmate de topologische complexiteit toeneemt, waardoor een gegradeerde grens wordt gedefinieerd voor de optimale keuze van een surrogaat.
Deze methodologische evaluatie toont aan dat het inbedden van geïndividualiseerde, door machine learning afgeleide gedragsregels in prompts van grote taalmodellen de simulatie van intra-persoonlijke psychologische en fysieke activiteitspatronen bij volwassenen met prehypertensie verbetert, hoewel de hybride aanpak de voorspellende nauwkeurigheid van specifieke deelnemersgerichte machine learning-modellen voor gestructureerde sportresultaten niet overtrof.
Deze studie presenteert en evalueert een controleerbare, reproduceerbare AI-ondersteunde workflow die gebruikmaakt van technieken voor labelco-occurrence en -propagatie om schaarse en ongelijkmatige metadata in digitale culturele erfgoedcollecties effectief te verbeteren, waarbij hoge recall-percentages worden behaald voor ontbrekende objecttype-, materiaal-, onderwerp- en classificatielabels.
Dit artikel stelt een veilig, hiërarchisch sleutelpre-distributieschema voor voor fog-ondersteunde IoT-netwerken dat de veerkracht tegen fysieke node-capture-aanvallen versterkt door het integreren van op residu-ontwerp gebaseerde combinatorische structuren met een gerandomiseerd permutatiemechanisme om de deterministische mapping tussen cryptografische blokken en fysieke nodes te maskeren, terwijl een lage overhead en hoge connectiviteit worden behouden.
Dit artikel stelt een contextbewust machine learning-framework voor dat Isolation Forests, Random Forests en SHAP-uitlegbaarheid combineert om energie-anomalieën in ziekenhuisapparatuur te detecteren en te interpreteren, waarbij een superieure nauwkeurigheid en lage fout-positieveven rates worden bereikt, gevalideerd op reële en synthetische datasets.
EffiFusion-GAN is een lichtgewicht, tijd-frequentie generatief adversarieel netwerk dat gebruikmaakt van depthwise-separable convoluties, residual Conformer-blokken en ongestructureerde pruning om een kwaliteit in spraakverbetering te bereiken die bijna de huidige state-of-the-art evenaart met aanzienlijk minder parameters dan bestaande modellen.