898 篇论文
本文提出了后量子密码（PQC）全球能力中心治理框架（PGGF），这是一个由5层、6阶段组成的模型，旨在通过整合性能数据、跨司法管辖区合规性以及企业对齐标准，解决治理就绪度这一主要障碍，从而引导全球能力中心进行后量子密码迁移。
本文介绍了神经算子发现（Neural Operator Discovery, NOD），这是一个通过因子化的潜变量条件化公式，直接从无标签控制因子的异构轨迹中学习共享解算子与系统特定变体，从而实现可解释且零样本泛化的框架。
这项针对52项研究的系统综述表明，从基于规则的模板到环境人工智能及大语言模型驱动系统的结构化临床文档技术，充当了关键的上游数据工程机制，能够增强数据质量并显著提升机器学习模型在关键医疗结果方面的预测性能，尽管仍需进一步研究以解决外部验证和偏差缓解方面的空白。
本文提出了 FL-SNNIDS，这是一个联邦脉冲神经网络框架，通过在无需交换原始数据的情况下实现协作式模型训练，为资源受限的农业 SDN-IoT 网络提供了一种高能效、低延迟且保护隐私的入侵检测方案。
本文提出了一种自动化车辆检测（AVI）系统，该系统是一个多视图深度学习系统，它集成了同步的360度成像技术与专门的检测模型以及基于规则的引擎，以实现高精度、具备变体感知能力的车辆验证与缺陷检测，且吞吐量达到每分钟3.3辆车。
本文提出了一种数据驱动的机器学习流水线，通过构建三个复合行为特征并评估 13 种算法，将内向与外向分类的准确率显著提升至 91.90%，证明了在统计稳健的框架下，K-最近邻算法表现最优。
这项严谨的实证研究表明，虽然通过对倒数第二层特征进行常规离线聚类来发现类内子结构是不可靠的，且往往会降低表格分类性能，但一种联合端到端的子中心训练方法能有效缓解这些风险，尽管作者得出结论称，目前尚不存在能够预测何时进行此类子结构发现是有益的稳健启发式方法。
本文提出了一种全自动流水线，该流水线整合了 BioBERT 上下文嵌入、混合聚类和时间引用排序，以有效地绘制生物医学研究图景并识别演变中的热点，并通过对白内障研究的全面案例研究进行了验证。
本文提出了一种用于识别重要交通目标的创新框架，该框架利用鸟瞰图全局交互建模和对比语言-运动预训练方法来整合人类知识，从而克服了现有二维视觉方法在时空推理和动态理解方面的局限性。
该论文提出了 CATD-LPT-CFPM 框架，该框架通过对事务进行聚类以减少搜索空间，并采用一种带有自顶向下封闭性剪枝机制的多级剪枝策略，旨在最大限度地减少冗余处理和内存使用，尽管这会产生一定的聚类和树构建开销。