💻 computer science
A Hybrid DSP–Machine Learning Framework for Speech Enhancement and Image Restoration
本文提出了一种统一的混合框架，该框架将经典数字信号处理的可解释性与高效性，同机器学习的鲁棒性与适应性相结合，旨在有效应对复杂、非平稳退化条件下的语音增强与图像修复挑战。
💻 Category
cs
1017 篇论文
💻 computer science
Are Large Language Models Ready for Quantum Software Engineering? A Multivocal Literature Review
这项多声部文献综述综合了来自24个来源的证据，得出结论：虽然大语言模型在代码中心型的量子软件工程特定任务（如合成与修复）方面展现出潜力，但由于在语义准确性、后端执行和领域覆盖范围方面的显著局限性，它们目前主要作为受限的辅助工具，而非稳健的、贯穿全生命周期的智能体。
💻 computer science
Explainable Machine Learning for Detecting Fraudulent Online Job Postings in Ghana: A SHAP-Based Approach
本研究利用机器学习和基于 SHAP 的可解释性技术，有效地检测了加纳境内的欺诈性在线招聘信息，确定了多项分布朴素贝叶斯和逻辑回归为表现最佳的模型，并强调了教育要求、申请截止日期和职位类别是关键的欺诈指标。
💻 computer science
Context-Enriched Graph Neural Networks for EV Charging Station Energy Demand Forecasting
本文提出了一种上下文增强的时空图神经网络框架，该框架通过整合异构城市数据，在多种城市及半乡村场景下，显著提升了电动汽车充电站能量需求预测的准确度，并优于传统的时序模型。
💻 computer science
Hybrid CNN-ViT-BiLSTM Framework for Robust Deepfake Video Detection
本文提出了一种鲁棒的混合深度伪造检测框架，该框架集成了用于空间特征提取的 ResNet-50、XceptionNet 和 Vision Transformer，以及用于时序建模的 Bidirectional LSTM，在 DFD 和 FF++ 数据集上实现了 91.07% 的准确率，达到了最先进的性能水平。
💻 computer science
Multi-Agent Cooperative Fuzzing for HarmonyOS APIs
本文提出了 HMFuzzer，这是一个多智能体协同模糊测试框架，通过利用 Android 代码检索、多模态文档解读、用于提示词优化的强化学习以及自动化崩溃分析，来克服现有生态系统文档稀缺且质量低下的问题，从而增强对 HarmonyOS API 漏洞的发现能力。
💻 computer science
WhispiTree: A Multi-Sensory Conversational AI System for Psychological Healing via the "Tree Hole" Metaphor
本文介绍了 WhispiTree，这是一个基于“树洞”隐喻和认知行为疗法（CBT）原理的多感官对话式人工智能系统，通过一项为期九周的随机对照试验，证明了其在减轻大学生焦虑和抑郁方面具有显著疗效，同时与传统心理咨询相比，提供了更优越的可及性、隐私性和实时反馈。
💻 computer science
Pipeline Optimisation for Real-World Masked Face Recognition: YOLOv8 Detection, Landmark-Guided Cropping, and Multi-Model Embedding Benchmarking
本文提出了一种用于鲁棒口罩人脸识别的系统性流水线，该流水线将微调后的 YOLOv8 检测器与基于关键点的上脸部裁剪相结合，并通过广泛的基准测试证明，这种多阶段优化显著优于单模型方法，尤其是在使用具有余弦相似度的 FaceNet 时。
💻 computer science
Toward an ILP Approach of Temporal Coverage in Sensor Networks
本文提出并评估了两种整数线性规划（ILP）方法，用于编排能量中性传感器的激活与充电周期，以确保户外监测网络中的连续时空覆盖，并分析了实现复杂度、求解时间与解的最优性之间的权衡。
💻 computer science
A Dynamic Explainable AI FrameworkforReal-Time Intrusion Detection andAutomatedAlert Prioritization in Security OperationCenters
本文提出了动态可解释框架（DEF），这是一个集成时间序列 Transformer、图卷积网络和事后可解释性技术的三阶段流水线，旨在实现高精度的入侵检测，通过优先处理关键事件来显著减轻分析师的告警疲劳，并为安全运营中心环境提供透明且近实时的原理说明。