Amal Akli; Maxime Cordy; Mike Papadakis; Yves Le Traon
Ringkasan
AutoAdapt menerapkan Neural Architecture Search pada Parameter-Efficient Fine-Tuning, sehingga setiap lapisan transformer dapat memilih konfigurasi adapter-nya sendiri alih-alih mewarisi satu default yang seragam. Pada deteksi kerentanan, …
Metode
AutoAdapt paling mudah dipahami sebagai sistem tiga bagian: definisi ruang pencarian yang dirancang khusus untuk fine-tuning berbasis adapter, prosedur pencarian evolusioner yang …
Hasil
Hasil empiris menunjukkan bahwa AutoAdapt mengungguli konfigurasi adapter yang dirancang manual. Peningkatan utamanya besar dan, yang penting, tersebar di berbagai keluarga tugas alih-alih terkonsent…
Studi ini mengintegrasikan pembelajaran mesin, AI yang dapat dijelaskan, dan Retrieval-Augmented Generation ke dalam satu kerangka kerja yang menandai peserta didik sekolah dasar yang membutuhkan dukungan tambahan dan menghasilkan strategi…
Metode
Studi ini mengadopsi arsitektur hibrida multi-tahap yang menggabungkan prediksi terawasi, penjelasan pasca-hoc, dan generasi berbasis pengambilan. Kumpulan data pendidikan yang te…
Hasil
Di antara enam algoritma kandidat, **kerangka kerja Explainable XGBoost-RAG-LLM yang diusulkan mencapai kinerja terbaik**, menunjukkan akurasi prediktif yang tinggi dibandingkan dengan alternatif Ran…
AgroAI menggabungkan pengklasifikasi YOLOv8-CLS yang dilatih pada PlantVillage, model rekomendasi tanah dan cuaca terarah, serta chatbot LLM berfitur suara di dalam Progressive Web App yang mengutamakan mode offline. Sistem ini melaporkan …
Metode
Metodologi diuraikan menjadi tiga subsistem yang bekerja sama, masing-masing dengan paradigma pembelajaran dan modalitas masukan yang berbeda. **Pilar 1 — Deteksi penyakit.** Jari…
Hasil
Modul deteksi penyakit mencapai akurasi klasifikasi total **98,8%** pada 15 kelas dataset PlantVillage yang diadaptasi. Presisi, recall, dan F1-score rata-rata makro masing-masing mencapai **0,99**, …
AIONet (Adaptive Intelligent Optimization Network) mengusulkan pipeline hibrida di mana pohon keputusan melakukan seleksi logis primer terhadap kandidat model dan dataset, sementara model bahasa besar memasok pertimbangan yang bergantung p…
Metode
Makalah ini melaporkan analisis komparatif algoritma pohon keputusan klasik dan LLM kontemporer pada tugas mengidentifikasi model dan dataset yang sesuai untuk pelatihan jaringan …
Hasil
Item yang diterbitkan adalah artikel penelitian yang menyajikan algoritma dan alasan desainnya; catatan tingkat abstrak yang tersedia untuk ringkasan ini melaporkan hasil-hasil berikut alih-alih tabe…
J. Lavanya; P. Vamsi; M. Aiswarya; K. Jyotsna; P. Charan; K. Harish
Ringkasan
Makalah ini mengusulkan kerangka deteksi misinformasi multimodal yang memfusikan fitur gambar CNN, ekstraksi teks OCR, dan penyandian teks berbasis transformer untuk mengklasifikasikan meme menyesatkan. Prediksi akhir di-hash dengan SHA-25…
Metode
Sistem yang diusulkan diorganisasikan sebagai pipeline bertahap yang mencakup lapisan persepsi, penalaran, penjelasan, dan persistensi. Pada sisi persepsi, Convolutional Neural Ne…
Hasil
Evaluasi eksperimental melaporkan akurasi validasi sebesar 93,9% dan skor F1 sebesar 0,935 untuk kerangka multimodal yang diusulkan. Para penulis menyatakan bahwa angka-angka ini melampaui akurasi va…
Perbandingan sistematis antara ansambel pohon, jaringan saraf dalam tabular, dan model bahasa besar untuk deteksi intrusi 5G menunjukkan bahwa pembelajaran mesin tradisional mendominasi baik pada kinerja deteksi maupun biaya komputasi. XGB…
Metode
Studi ini menggunakan *dataset 5G yang tersedia relatif besar* sebagai substrat evaluasi bersama, sehingga setiap keluarga model dinilai pada telemetri yang identik alih-alih pada…
Hasil
Hasil empirisnya luar biasa berat sebelah. Model pembelajaran mesin tradisional **secara konsisten mencapai kinerja deteksi nyaris sempurna dengan waktu inferensi yang dapat diabaikan**. XGBoost, seb…
SitWell adalah antarmuka pengguna cerdas yang menggabungkan pemetaan tekanan ganda, pembelajaran mesin berbasis cloud, dan Model Bahasa Besar untuk memberikan pembinaan postur yang dipersonalisasi dan sadar konteks. CNN yang disesuaikan pe…
Metode
Pipeline SitWell diorganisir sekitar pemetaan tekanan ganda sebagai modalitas penginderaan utamanya. Dua permukaan pemetaan tekanan menangkap profil beban terdistribusi dari tubuh…
Hasil
Hasil kuantitatif utama makalah ini berkaitan dengan kinerja klasifikasi: CNN yang disesuaikan pengguna mencapai **akurasi di atas 90%** dalam mengklasifikasikan postur khusus. Dinyatakan secara form…
Studi ini memperkenalkan jaringan lokalisasi spike berbasis nonlinier yang memetakan sumber spike di seluruh array Neuropixels, bergerak melampaui kerangka relatif elektroda menuju pemodelan koordinat spasial global yang tangguh. Alternati…
Metode
Studi ini memperkenalkan jaringan lokalisasi spike berbasis nonlinier yang dirancang untuk memetakan sumber spike di seluruh array Neuropixels. Alih-alih memperlakukan lokalisasi …
Hasil
Hasil yang dilaporkan dari studi ini bersifat komparatif. Jaringan lokalisasi spike berbasis nonlinier disajikan sebagai kontribusi utama, dievaluasi dalam kaitannya dengan alternatif berbasis Gaussi…
Sari ini merangkum sebuah artikel yang menganalisis pendekatan penskalaan sistem AI untuk pemrosesan bahasa alami (NLP), dengan fokus pada logistik maritim internasional. Cakupannya meliputi tantangan, metode yang efektif seperti model mul…
Metode
Penelitian ini menggunakan metode analisis dan sintesis literatur untuk menelaah pendekatan yang ada dalam penskalaan sistem NLP. Melalui peninjauan riset terkini, penulis menyusu…
Hasil
Analisis menunjukkan bahwa penskalaan sistem NLP yang efektif merupakan kunci otomatisasi proses bisnis rutin. Model multibahasa, arsitektur modular, dan algoritme pembelajaran mesin yang adaptif ter…
Daniel Rafique; Xuan Liu; Bo Gong; Laura Belsito; Melissa D. McCradden; M. Mazwi; Wayne Lee; Graham Ohanlon; Kyle Tsang…
Ringkasan
Sebuah studi pembelajaran mesin multi-model di SickKids, Toronto, menilai enam algoritma di tiga modalitas janji temu radiologi pediatrik untuk memprediksi ketidakhadiran dan waktu tunggu lebih dari satu jam. Para penulis menunjukkan bahwa…
Metode
Ruang fitur terdiri dari **20 fitur** yang diambil dari campuran demografi pasien dan data terkait janji temu, disatukan di seluruh tiga modalitas janji temu radiologi. Enam tipe …
Hasil
Untuk **prediksi ketidakhadiran**, XGBoost menghasilkan kombinasi terbaik dari diskriminasi dan kinerja yang bergantung pada ambang, dengan **AUC 0,96** dan **skor F1 0,62**. AUC yang tinggi menunjuk…
