2363 篇论文
本文提出了一种混合智能导航框架，该框架将增强型势场引导的 AP-RRT 全局规划器与自适应加权动态窗口法（DWA）局部控制器相结合，旨在复杂的动态环境中实现鲁棒、高效且平滑的自主导航。
本文介绍了一种名为 SAFER-MIND 的新颖框架，该框架通过结合多维文本集成、校准概率建模和符合性预测，来增强社交媒体心理健康风险检测的安全性和可解释性，从而在区分高置信度决策与需要人工审查的案例的同时，实现高准确率并最大限度地减少风险性错误。
本文提出了一种检索增强生成（RAG）流水线，通过将大语言模型（LLM）的响应锚定在经过策划的医药知识库中，显著减少了幻觉并提高了药物相关问答的事实准确性，从而降低了关键的患者安全风险。
本文提出了一种临床元数据与语义解释引导的多模态深度学习框架，该框架将皮肤镜图像与临床及诊断属性相结合，与仅基于图像的方法相比，显著提高了皮肤病变识别的准确性与可解释性。
本文提出了 Gnet_CAM，一种新型人体行为识别模型，该模型通过图神经网络和层级跨模态协作注意力机制整合视觉、骨骼和音频数据，以在遮挡和光照变化等复杂场景下实现鲁棒性能，其在 NTU RGB+D120 数据集及自生成的挑战性环境数据集上的卓越准确率证明了这一点。
本文介绍了一种在忠实复制日本司法考试真实格式与评分标准的数据集上训练的自我验证模型，证明了该模型在不改变原始考试结构的情况下，能够超过官方合格分数线，并优于复杂的多智能体或基于分解的策略。
本文提出了基于进化核的T-球面模糊C均值（EKTSFCM）算法，该算法集成了T-球面模糊集与通过进化技术优化的双核距离度量，旨在针对如肌电信号（EMG）等复杂数据集实现卓越的聚类精度和噪声鲁棒性。
本研究评估了商用大语言模型根据高层规范生成功能性 Verilog RTL 的能力，发现使用 HLS-C 提示词相比自然语言能显著提高正确性，同时也揭示了在仿真错误和不同位宽泛化能力有限方面持续存在的挑战。
本文提出了主成分分析搜索二值神经网络（PCA-SBNN），这是一种多模态深度学习模型，该模型整合了通过 TBConvL-Net 提取的 CT 图像特征与归一化临床数据，以实现高准确度和高敏感性的早期癌变检测。
本研究表明，大型语言模型可以作为社会与行为科学中自动化可复现性评估的可扩展筛选工具，在实现与人类重新分析者相当的定性结论的同时，支持而非取代专家判断，以用于系统性审计。