Trust Aware Federated Learning for Secure Bone Healing Stage Interpretation in e-Health
本文提出了一种基于自适应信任评分机制的联邦学习框架，通过利用频率响应数据的频谱特征来解读骨愈合阶段，有效解决了分布式医疗传感环境中不可靠或对抗性参与者带来的安全挑战，从而在保障模型完整性的同时提升了训练稳定性与预测性能。
🤖 Category
cs.LG
9495 篇论文
HURRI-GAN: A Novel Approach for Hurricane Bias-Correction Beyond Gauge Stations using Generative Adversarial Networks
本文提出了 HURRI-GAN 这一基于时间序列生成对抗网络（TimeGAN）的新型人工智能方法，旨在通过校正物理模型（如 ADCIRC）的系统性偏差，在减少计算网格分辨率和运行时间的同时，实现超越现有水位监测站范围的飓风风暴潮高精度预测。
Geodesic Gradient Descent: A Generic and Learning-rate-free Optimizer on Objective Function-induced Manifolds
本文提出了一种名为测地线梯度下降（GGD）的通用且无需学习率的优化算法，该算法通过在目标函数诱导的流形上利用 n 维球面近似局部邻域并沿测地线更新参数，有效解决了传统欧氏梯度下降偏离流形及黎曼梯度下降难以表征复杂流形的问题，并在多项实验中显著降低了测试误差。
How the Graph Construction Technique Shapes Performance in IoT Botnet Detection
该研究通过变分自编码器降维，评估了五种图构建方法对图注意力网络在 N-BaIoT 数据集上检测 IoT 僵尸网络性能的影响，发现 Gabriel 图构建法以 97.56% 的准确率取得了最佳效果。
Approximate Nearest Neighbor Search for Modern AI: A Projection-Augmented Graph Approach
本文提出了一种名为投影增强图（PAG）的新型近似最近邻搜索框架，通过结合投影技术与图索引，在满足现代 AI 应用六大关键需求的同时，实现了比 HNSW 快达 5 倍的查询性能、快速的索引构建速度以及良好的高维扩展性和在线插入支持。
EnsAug: Augmentation-Driven Ensembles for Human Motion Sequence Analysis
该论文提出了 EnsAug 框架，通过为集成学习中的每个专家模型分别应用单一独特的几何变换来训练，从而在保持人体运动几何约束的同时提升模型多样性，在多个手势和动作识别基准测试中实现了优于传统混合增强方法的性能。
HyperTokens: Controlling Token Dynamics for Continual Video-Language Understanding
本文提出了 HyperTokens 框架，通过按需生成微调令牌、引入元启发式正则化以抑制遗忘，并结合因果视角的辅助多模态监督，在显著降低存储成本的同时实现了视频语言理解任务的高效持续学习。
ERP-RiskBench: Leakage-Safe Ensemble Learning for Financial Risk
本文提出了名为 ERP-RiskBench 的复合基准与防数据泄露的集成学习框架，通过结合真实采购日志、标注欺诈数据及合成数据，利用时间感知和分组感知的嵌套交叉验证，显著提升了企业资源计划（ERP）系统中财务风险检测的准确性与可解释性，并纠正了以往研究中因数据泄露导致的性能高估问题。
Unmixing microinfrared spectroscopic images of cross-sections of historical oil paintings
该论文提出了一种利用加权光谱角距离损失函数的无监督 CNN 自编码器，用于对历史油画（如根特祭坛画）横截面的 ATR-μFTIR 高光谱图像进行盲解混，从而在克服大气干扰和采集伪影的同时，实现了对复杂混合光谱中端元光谱及其丰度图的自动、客观提取。
GNN For Muon Particle Momentum estimation
该论文提出利用图神经网络（GNN）进行 CMS 实验中缪子动量估计，通过两种图构建方法证明了 GNN 在捕捉数据复杂依赖关系方面优于 TabNet 模型，并强调了节点特征维度对模型效率的关键作用。
XAI and Few-shot-based Hybrid Classification Model for Plant Leaf Disease Prognosis
该论文提出了一种结合可解释人工智能（XAI）与少样本学习（FSL）的混合分类模型，通过集成孪生网络和原型网络并利用 Grad-CAM 增强可解释性，在数据受限条件下实现了对玉米、水稻和小麦叶片病害阶段的高精度识别与透明化诊断。
Chart Deep Research in LVLMs via Parallel Relative Policy Optimization
该论文针对现有图表智能在深度研究能力上的不足，提出了通过并行相对策略优化（PRPO）解决训练冲突的框架，并构建了基于“误差唯一性”原则的 MCDR-Bench 评测基准，从而系统性地提升了大型视觉语言模型在图表深度分析中的协同训练与客观评估能力。
One step further with Monte-Carlo sampler to guide diffusion better
该论文提出了一种名为 ABMS 的即插即用策略，通过引入额外的反向去噪步骤和蒙特卡洛采样来降低后验采样的估计误差，从而在无需重新训练的情况下显著提升基于随机微分方程的生成模型在多种条件生成任务中的引导效果与样本质量。
High-Resolution Image Reconstruction with Unsupervised Learning and Noisy Data Applied to Ion-Beam Dynamics for Particle Accelerators
该论文提出了一种基于卷积滤波与优化早停策略的无监督深度学习框架，成功在缺乏训练数据且信噪比极低的条件下实现了离子束图像的高保真去噪与重建，将束流晕的可测量范围扩展至七倍标准差以上。
Soft Equivariance Regularization for Invariant Self-Supervised Learning
该论文提出了一种名为软等变性正则化（SER）的即插即用方法，通过在中间特征层而非最终嵌入层施加等变性约束，在保持自监督学习不变性优势的同时有效提升了模型对几何扰动的鲁棒性及下游任务性能。
On the Generalization Capacities of MLLMs for Spatial Intelligence
该论文指出仅依赖 RGB 输入的 MLLM 因忽略相机参数而难以泛化，并提出通过注入相机内参、引入相机感知数据增强及蒸馏几何先验的“相机感知 MLLM"框架，显著提升了模型在跨相机场景下的空间推理泛化能力。
Uncertainty-Aware Solar Flare Regression
该研究通过将共形预测框架应用于全日面太阳耀斑回归预测，对比了共形预测、分位数回归与共形化分位数回归三种方法，结果表明共形化分位数回归在覆盖率和区间长度方面表现最优，显著提升了空间天气预测的可靠性。
Scaling Agentic Capabilities, Not Context: Efficient Reinforcement Finetuning for Large Toolspaces
该论文提出了 ATLAS 框架，通过引入可学习的上下文控制与基于评分标准的强化微调策略，使小语言模型能够在大型工具空间中高效执行长程任务，从而在有限的参数和上下文预算下达到接近前沿智能体的性能。
From Statistical Fidelity to Clinical Consistency: Scalable Generation and Auditing of Synthetic Patient Trajectories
该研究提出了一种结合高保真生成与大规模自动审计的集成管道，利用大语言模型有效消除了合成电子健康记录中的临床不一致性，在确保隐私安全的同时显著提升了合成数据在下游任务中的实用性能。
ProtAlign: Contrastive learning paradigm for Sequence and structure alignment
本文提出了 ProtAlign 框架，通过对比学习将蛋白质序列与结构映射到统一的嵌入空间，从而实现了跨模态检索并提升了功能预测与稳定性评估等下游任务的性能。