💻 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。
💻 Category
cs
3962 篇论文
💻 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。
💻 计算机科学
A Cusp Catastrophe Model for Early Identifying Scientific Breakthroughs
本研究提出了一种以理论为基础的尖点突变模型，该模型利用知识相关性和异质性来实现对科学突破的早期识别，并证明了其在捕捉人工智能、物理学和生物医学领域大多数变革性研究方面的有效性。
💻 计算机科学
Multimodal Deep Learning for Drug–Drug Interaction Prediction using Structural Biological and Semantic Information
该论文提出了 HySEAtt-DDI，这是一个通过结合卷积神经网络（CNN）、挤压与激励（Squeeze-and-Excitation）模块以及自注意力机制的混合架构，整合化学、生物和语义药物信息的多模态深度学习框架，旨在实现预测药物-药物相互作用的最先进性能。
💻 计算机科学
Temporally validated clinical trial outcome prediction from public registry text: a leakage-audited comparison of biomedical transformers and classical NLP
本研究表明，仅通过在来自公共临床试验注册文本的自动化结果概率上进行训练，生物医学 Transformer 模型（特别是 BiomedBERT）能够以高准确度、高可复现性和极低的计算成本，有效预测神经科学试验在后期阶段的成功，同时通过严格的时间验证和输入限制来避免数据泄露。
💻 计算机科学
Hospital Trust Aggregation for Multi-Hospital Medical Imaging under Non-IID Data and Malicious Clients: A Benchmark and Empirical Assessment
本文介绍了医院信任聚合（Hospital Trust Aggregation, HTA），这是一种用于医学影像的新型联邦学习方法，它结合了方向一致性、量级合理性和参考准确性，以在非独立同分布（non-IID）数据下缓解恶意客户端的影响，同时建立了一个全面的基准测试，揭示了 HTA 在处理共谋和数据级攻击方面的优越性，但也强调了基于量级的信任信号在严重的医学异质性环境下，难以区分诚实的离群值与对抗者的根本局限性。
💻 计算机科学
Mechanizing Asynchronous Distributed Algorithms in Rocq: The Echo Algorithm as a Case Study
本文提出了一个用于在 Rocq 中实现异步消息传递算法的可复用框架，并通过对 Echo 算法的完整、无目标假设（admitted-goal-free）形式化过程进行了演示，该过程通过归纳不变式和良基归纳法证明了决策时正确性，且未假设交付公平性。
💻 计算机科学
A Parallel Quantum–Classical Hybrid Architecture for Image Classification
本文提出了一种参数高效的并行量子-经典混合架构，用于图像分类，该架构利用共享的经典特征提取器以及具有多样化编码策略和纠缠拓扑结构的多个量子分支，在 MNIST、CIFAR-10 和热成像数据集上实现了具有竞争力的准确率。
💻 计算机科学
Learning the Right Abstraction: Neural Reduced Dynamics for Complex Robot Control
本文介绍了一种神经降阶动力学（Neural Reduced Dynamics, NRD）框架，该框架通过学习控制相关的状态抽象来实现高吞吐量的强化学习，成功在比高保真模拟器快四个数量级的模型中训练出策略，并能有效迁移至各种不同地形下的复杂机器人任务，且不存在性能退化。
💻 计算机科学
PBAC-ZTA: A Trust-Adaptive Polynomial-Based Access Control Framework for Continuous Authorization in Zero-Trust Cloud Environments
本文提出了 PBAC-ZTA，一种用于零信任云环境的基于多项式的自适应信任访问控制框架，该框架集成了持续授权、动态撤销和行为异常检测，旨在通过在可扩展性、密码学安全性以及实时决策效率方面超越传统模型来提升性能。