Zobrazeno 1 - 10
of 1 340
pro vyhledávání: '"ensemble stacking"'
Automated detection of software vulnerabilities is critical for enhancing security, yet existing methods often struggle with the complexity and diversity of modern codebases. In this paper, we introduce EnStack, a novel ensemble stacking framework th
Externí odkaz:
http://arxiv.org/abs/2411.16561
Autor:
Gogu, Sridhar Reddy1 sridharreddy.gogu@gmail.com, Sathe, Shailesh R.1
Publikováno v:
Traitement du Signal. Apr2024, Vol. 41 Issue 2, p563-574. 12p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Marghany Hassan Mohamed, Botheina Hussein Ali, Ahmed Ibrahim Taloba, Ahmad O. Aseeri, Mohamed Abd Elaziz, Shaker El-Sappagah, Nora Mahmoud El-Rashidy
Publikováno v:
IEEE Access, Vol 12, Pp 180210-180237 (2024)
The difficulty of detecting liver disease at an early stage goes back to its limited number of symptoms. In this study, single and ensemble machine learning (ML) algorithms are applied to the Indian Liver Patient Dataset (ILPD) dataset, and their res
Externí odkaz:
https://doaj.org/article/3f73bca9f0d94533ad3e35a6fad6923d
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Face Presentation Attack Detection (PAD) plays a pivotal role in securing face recognition systems against spoofing attacks. Although great progress has been made in designing face PAD methods, developing a model that can generalize well to unseen te
Externí odkaz:
http://arxiv.org/abs/2301.02145