cs 篇论文 | Gist.Science

本文提出了一种新型混合图神经网络框架，该框架集成了图卷积网络、图注意力网络、图变换器以及基于小波的特征增强技术，以捕捉多尺度结构与谱模式，在检测复杂金融欺诈方面，其精度与可扩展性均显著优于现有方法。

本文提出了两种物理信息神经网络模型，即 DeepXDE 和原始 PyTorch 实现，旨在有效求解含有两个小参数的奇异摄动抛物型偏微分方程，从而解决标准数值方法在捕捉边界层和内部层方面的局限性。

本文提出了一种计算高效的物联网入侵检测流水线，该流水线集成了一种混合 SMOTE-ENN-LOF 平衡策略、一种基于聚类的互信息特征选择算法 (BBFS) 以及经过饥饿游戏搜索优化的 1D CNN，旨在通过缩减的特征集和紧凑的模型架构，在多种物联网数据集上实现可靠的攻击检测。

本文提出了一种结合了 ConvNeXt-Base 与 CBAM 以及 Vision Transformer (ViT-B/16) 的可解释混合深度学习框架，该框架在胸部 X 线图像上的肺炎检测准确率（94.03%）和可解释性方面均优于现有的基准模型。

本文提出了一种针对命名实体识别的后验实体级可靠性校准方法，该方法利用多源特征来训练一个轻量级校准器，在无需修改底层模型的情况下，显著提高了置信度准确性和部署鲁棒性。

本文提出了一种用于优化帕金森病药物剂量的多目标强化学习框架，该框架生成了一组帕累托最优策略集，以显式地建模并权衡运动症状控制与异动症风险之间的取舍，在优于临床医生和随机基准线的同时，支持透明且以患者为中心的决策制定。

本文详细阐述了首个邹语数字键盘的设计、优化与标准化过程，通过将定制的字符映射方案成功集成至全球 Keyman 仓库，克服了硬件限制，并实现了这一资源匮乏脚本的计算保存与数字化本地化。

本文提出了一种分层渐进式自校准（HPSC）框架，通过一个集成立体超分辨率、深度分层匹配剪枝和分层动态抑制的统一三阶段流水线，共同解决自动驾驶立体相机中的分辨率退化、深度相关不确定性以及动态物体干扰问题。

本文介绍了 MR-STGCN，一种多天气鲁棒的时空图卷积网络，该网络利用动态区域路由注意力机制和多尺度空洞卷积，实现了在恶劣天气条件下对交警指挥手势的高精度、低延迟识别。

本研究提出了一种检索增强型语言模型，该模型通过整合分类法法律元数据和按相关性排序的范例，预测德国法律下的比例道路交通责任分布，从而通过合理化且符合正义原则的算法预测来促进庭外和解。