An Intelligent Symptom Based Disease Prediction and Preventive Healthcare Framework Using Hyper Parameterized Machine Learning Technique
本文提出了 HyperTuneMed,这是一个利用超参数化逻辑回归算法,根据用户症状预测疾病,并提供个性化预防性医疗保健建议的智能框架,其准确率高达 98.983%。
1017 篇论文
本文提出了 HyperTuneMed,这是一个利用超参数化逻辑回归算法,根据用户症状预测疾病,并提供个性化预防性医疗保健建议的智能框架,其准确率高达 98.983%。
本文表明,虽然 Slither 和 Mythril 等自动化工具能有效检测已知的漏洞模式,但形式化规范对于验证基于区块链的脑电图(EEG)数据治理中的逻辑正确性并确保安全性至关重要,因为该规范唯一识别出了自动化工具未能发现的一个种子数组越界漏洞。
本文提出了一种创新的交通标志预测框架,该框架集成了非局部均值预处理、改进的 U-Net 架构、密集卷积神经网络(Dense CNN)分类以及用于超参数调优的岩蹄兔群优化算法,在 TT100K 数据集上达到了 99.64% 的精度,并在 GTSDB 数据集上达到了 99.6% 的精度,实现了最先进的性能。
本文介绍了 EDNet-20,这是一种通过光度数据增强和可解释人工智能技术进行优化的新型深度学习框架,其多标签眼部疾病检测准确率优于现有的最先进模型,为早期临床诊断提供了一个极具前景的工具。
本文介绍了共情扩展提示(Empathic Extended Prompting),这是一个实时框架,通过将面部情感描述符集成到大语言模型交互中,以增强感知的情感智能和情绪响应能力,且不会损害可用性或引发恐怖谷效应。
本文评估了一种用于制造信息获取的模块化大语言模型(LLM)多智能体系统,研究发现,虽然在特定数据条件下,顶尖模型在追溯任务上的准确性和速度优于平均水平的人类用户,但该系统的有效性仍取决于模型选择、数据质量和提示词设计,因此有必要保持持续的人类监督。
本文提出了一种轻量化、多尺度特征提取网络,该网络通过采用三阶段下采样架构以及结合并行空洞卷积与选择性状态空间模型的混合模块,实现了资源受限无人机(UAV)的实时、高精度手势控制。
本研究提出了海事异常检测质量指数(MADQI),这是一种新颖的综合评估框架,通过将地理空间分析与四项特定指标相结合,解决了无监督自动识别系统(AIS)异常检测中缺乏标注数据的问题,旨在稳健地评估模型性能,以实现增强的海事监测与可持续治理。
本文提出了 ADDETECTOR,一种用于智能养老的安全且准确的阿尔茨海默病检测系统,该系统通过将基于主题的语言特征增强与动态差分隐私机制相结合,旨在克服低准确率和隐私泄露挑战,并在 ADReSS 数据集上展示了卓越的性能。
本文提出了一种由人工智能驱动的方法,用于前臂下部11个解剖结构的自动化3D分割与可视化,旨在提高肌肉骨骼超声的熟练度并将其作为床旁教学工具。