Breaking Penalty Plateaus with Quantum-Inspired Improved Particle Swarm Optimization
本文提出了一种量子启发改进型粒子群优化算法(QI-PSO),该算法通过利用有界势能量子位移律取代传统的速度驱动运动,以有效克服约束多峰优化中的惩罚平台问题,在困难基准测试上展示了显著的误差降低,同时保留了经典方法在开发主导型问题上的优越性。
2358 篇论文
本文提出了一种量子启发改进型粒子群优化算法(QI-PSO),该算法通过利用有界势能量子位移律取代传统的速度驱动运动,以有效克服约束多峰优化中的惩罚平台问题,在困难基准测试上展示了显著的误差降低,同时保留了经典方法在开发主导型问题上的优越性。
本文通过使用 Google 集群追踪数据,实证展示了静态云资源配置方法在处理动态工作负载和 SLA 约束方面的局限性,从而倡导采用深度强化学习作为一种更优越、具有自适应性且以人为本的自动化资源编排方法。
本文提出了一种保护隐私的框架,该框架能够生成具有临床准确性的合成数据,用于训练用于检测强制控制(coercive control)的 DistilBERT 模型,通过在现实世界的法律和社交媒体基准测试上实现高性能,且不损害用户隐私,从而有效地克服了“取证数据差距”(Forensic Data Gap)。
本文提出了一种新颖的“对称笛卡尔塌缩”(Symmetric Cartesian Collapse)方法,该方法通过将量子系统建模为单个离散轨迹而非稠密矩阵,从而在对数线性时间内实现非克利福德(non-Clifford)量子电路的模拟,在理论上使消费级硬件能够模拟超过一千个量子比特。
本文表明,在连续思维模型中,基于读取(readout-based)的可解释性往往无法反映底层计算,因为改变模型答案所需的潜状态显著大于改变投影读取所需的规模,因此需要剂量-反应曲线而非单量级干预来进行准确的因果分析。
本文提出了一种去中心化的、由人工智能驱动的零信任身份管理系统,通过利用抗深度伪造的多模态生物识别技术和预测性网络防御取代脆弱的一次性密码(OTP),从而增强金融科技生态系统的安全性,并实现了99.2%的威胁检测准确率。
这项系统综述和元分析表明,尽管在报告透明度、中国与美国的地理集中度以及成本效益性方面存在关键差距,但多智能体协作系统在医学问答方面的表现显著优于单个大语言模型。
本文介绍了 BCSDBT-Seg,这是一个开放获取的数据集,其特点是包含由专家标注的 3D 体素级病灶分割掩码以及结构化 BI-RADS 报告,涵盖了来自 201 名经活检证实的患者的 396 例数字乳腺断层摄影(DBT)容积数据,旨在推进乳腺癌筛查中的自动化分割、影像组学和深度学习研究。
JUDICATA 是一种与模型无关的代理式神经符号架构,它集成了自适应检索、逻辑推理链、对抗性防御以及基于图尔敏(Toulmin)模型的结构化输出,旨在显著减少幻觉,并增强自动化法律推理的可靠性、安全性及程序可争辩性。
本文评估了基于 REFORGE 的取证系统在四个社交网络和四个数据集上针对平台诱导失真的鲁棒性,发现虽然二元篡改决策保持稳定,但置信度得分和掩码几何形状表现出可测量的漂移,从而促使采用 OSN 一致性正则化和平台条件归一化以增强检测可靠性。