💻 计算机科学
Adaptive Quantum-Inspired Swarm Learning (AQISL) for Energy-Efficient Cluster Head Selection in IoT Infrastructure
本文提出了自适应量子启发式群智学习（AQISL）算法，用于优化大规模物联网网络中的簇头选择，从而有效降低能耗、丢包率和传输延迟，同时增强负载均衡性和整体网络稳定性。
💻 Category
cs
3900 篇论文
💻 计算机科学
Speech and Voice Biomarkers for Parkinson’s disease Detection: A Systematic Review of Machine Learning and Deep Learning Models
本系统综述分析了应用于帕金森病检测的语音与声学生物标志物的机器学习及深度学习模型，强调了它们的高准确率，同时探讨了当前面临的挑战（如数据不平衡和缺乏泛化性），并提出了面向临床实施的未来方向（如多模态融合和联邦学习）。
💻 计算机科学
Automating QuAL Scoring of Entrustable Professional Activity Narrative Feedback Across Residency Programs: A Locally Deployed Natural Language Processing Model
本研究表明，通过在本地部署 DeBERTa-v3 自然语言处理模型，可以准确且可扩展地实现对多个住院医师培训项目内“可信赖专业活动”（Entrustable Professional Activity）叙述性反馈的“学习质量评估”（QuAL）评分自动化，在实现与人类评分者高度一致性的同时，确保了数据隐私。
💻 计算机科学
CM2: a Cloud Monetary Cost Model for Document-Based NoSQL Databases
本文提出了 CM2，一种可参数化的面向文档的 NoSQL 数据库云货币成本模型，该模型通过分析无服务器环境中模式设计、索引策略与查询模式之间的相互作用，来精确估算运营费用。
💻 计算机科学
Development of an Agentic Retrieval-Augmented Generation System with Hybrid Retrieval for Budget Planning and Validation
本研究提出了一种用于中小企业预算规划的具有混合检索能力的代理式检索增强生成系统，并通过对比评估证明，基于路由的代理式工作流在检索质量与基于证据验证的事实一致性之间提供了最佳平衡。
💻 计算机科学
Beyond Task Intelligence: Artificial Intelligence, Embodied Robotics, and the Epistemic Limits of Machine Cultural Understanding
本文认为，尽管人工智能具有卓越的任务执行能力，但它缺乏人类知识所具备的具身性、情境性与反思性，因此有必要将评估框架转向认识论能力，并将人文科学定位为定义并测试真正通用智能的核心智力环境。
💻 计算机科学
Ontology-Guided Citation Intent Classification for Interpretable Scholarly Information Discovery
本文提出了一种本体引导的框架，该框架将来自引用上下文与原因本体（CCRO）的显式语义特征与上下文语言表示相结合，以实现可解释的引用意图分类，在实现与微调后的 SciBERT 相当的预测性能的同时，为学术信息发现提供透明的实例级审计追踪。
💻 计算机科学
Collapse or creativity - Hallucinations in recursive synthetic data generation
本研究表明，在合成临床数据上对生成式人工智能进行递归训练，会导致在五代之内迅速出现预测性崩溃，其原因在于多样性和交织忠实度的丧失而非记录层面的不合理性，同时强调了现有的幻觉指标往往具有误导性，并主张通过改进溯源和质量评估来保留现实世界的数据多样性。
💻 计算机科学
WMGIN: Windowed Multi-Granularity Interpretable Network for Hard Landing Warning
本文提出了 WMGIN，一种基于自注意力机制的多粒度可解释深度学习模型，该模型通过窗口化和层级融合策略处理多尺度 QAR 数据，旨在准确预测硬着陆事件，同时保持可解释性。
💻 计算机科学
Explainable Artificial Intelligence-Based Maximum Power Point Voltage Prediction for Photovoltaic Systems under Varying Environmental Conditions
本文提出了一种细粒度注意力感知深度学习（FGADL-MPPVP）模型，该模型利用注意力感知残差神经架构和无调度 AdamW 优化器，在不同环境条件下实现对光伏系统最大功率点电压的准确且具解释性的预测，其性能优于现有的传统技术和机器学习技术。