2358 篇论文
本文提出了 PatchMamS2S，一种专为电力领域定制的轻量级基于 Mamba-2 的多元时间序列预测模型，该模型结合了补丁挖掘（patch mining）、物理先验引导的权重融合以及高效的 Seq2Seq 架构，旨在克服现有通用模型的精度与资源之间的权衡问题。
BioKG Explorer 是一个全栈、开源的 Web 应用程序，它通过将基于 Neo4j 的图遍历、特定疾病分析以及基于大语言模型的路径解释相结合，在基于浏览器的界面中，实现了针对大规模 PrimeKG 生物医学知识图谱的交互式、无代码可视化分析与假设生成。
本文提出了一种模块化多智能体框架，该框架集成了流程挖掘、动态更新的知识图谱以及检索增强的大型语言模型，旨在实现对工业生产过程和供应链的可解释、语义化分析，从而在向工业5.0转型的过程中减少人工投入并增强人类决策能力。
本文介绍了 QSE，一种由拓扑驱动的估计器，它利用多项式时间图特征来预测经典启发式算法与精确 Max-Cut 解之间的预期性能差距，从而实现一种混合流水线，将子图动态路由至量子算法、经典启发式算法或人工审查，同时记录了确保底层 QAOA 模拟物理有效性的关键工程修正。
本研究提出并验证了一个多模态学习分析框架，该框架将多样化的学术、人口统计、行为及心理数据与先进的集成树模型相结合，旨在准确预测学生风险等级（低、中、高），并实现高等教育中的主动学术干预。
本研究通过对昆士兰州半小时负荷数据进行系统性的网格搜索，证明了优化时间卷积网络（TCN）中的五个关键超参数——特别是确定了一个具有 336 步输入尺寸和 0.0005 学习率的配置——能够使预测误差比参考模型降低 55% 以上，从而强调了在短期电力负荷预测中，协调参数调优比单纯增加模型容量更为关键。
本文提出了 FeatExtractNet，一种点云增强型神经架构，该架构采用了特定领域的定制设计——针对不规则热场结合多级特征提取与跨层门控融合，并针对规则声学网格结合傅里叶特征残差 MLP——旨在显著提高预测受非线性偏微分方程控制的复杂热场与声学场的解的精度，并降低相对 L2 误差。
本文提出了 MERT-SpecAMGCNet，这是一种双分支架构，通过利用门控卷积和注意力机制，将预训练的 MERT 波形表示与频率感知的对数 Mel 谱分支进行有效结合，以实现鲁棒的音乐流派分类和强大的跨数据集泛化能力。
本文提出了拓扑约束注意力网络（TCAN），这是一种将可微拓扑核集成到自注意力机制中的架构，旨在为高频信息物理系统推导出针对对抗性攻击的理论鲁棒性裕度，并概述了用于未来验证的数学框架与实验方案，但尚未呈现实证结果。
本文介绍了 BhaRaTa，这是一个通过将《舞论》中经典的印度美学概念“bhāva”（情态）和“rasa”（味）应用于计算情感分析，从而对梵文文学叙事进行情感分析的新型框架。