cs 篇论文 | Gist.Science

本研究引入了价值感知异构融资网络（VHFN），这是一种通过整合特定渠道的神经学习、价值敏感型优化以及可解释注意力机制，利用真实交易数据在校准能力和经济决策相关性方面超越传统模型的 AI 架构，从而实现对电子商务分期融资的有效预测。

本综述通过分析 1,000 篇研究论文，旨在探讨网络安全与人工智能的关键交集，以识别 12 种新型对抗性攻击，评估防御策略，并概述缓解 AI 驱动的安全系统威胁的未来研究方向。

本文提出了一种基于 CTGAN 的框架，该框架能够生成高保真合成网络流量，用于训练鲁棒的异常检测系统，从而为农业 5.0 环境下的实时网络安全实现卓越的精确度和抗噪性。

本文介绍了 CCKM，这是一种确定性 k-means 聚类算法，它利用基于 PCA 降维空间中的同心圆和象限质心初始化策略，在多个数据集和评估指标上一致地优于传统的 k-means 及其前身 ECKM。

本文提出了一种利用深度学习处理侧位照片来准确生成头影测量值的机器学习模型，为正畸患者提供了一种比传统放射学分析更安全、更具成本效益且无辐射的替代方案。

本文提出了用于持续图像-文本检索的 Banzhaf 蒸馏网络（BDNet），该网络通过从联盟博弈视角出发，利用 Banzhaf 估值对高阶标记交互进行建模，以解决语义失配和知识混淆等挑战，从而在增量会话中保留结构化跨模态知识。

本研究提出了一种整合面部、行为和文本特征的多模态融合框架，用于检测学生参与度，并证明了后期融合策略实现了高准确率（0.864），且在分类参与水平方面优于单模态模型。

本文提出了一种标签自适应门控（Label Adaptive Gating, LAG）机制，该机制通过交叉注意力学习每个临床标签独特的模态重要性，在多个多标签临床数据集上优于现有的单输出融合基准模型，并提供了具有临床意义的模态归因。

本文提出了一种用于医学应用的安全性彩色图像加密方案，该方案通过改进的植物根茎生长优化框架，将混沌序列生成与密钥流重构参数相统一，以增强适应性、统计稳健性以及对明文变化的敏感性。

本文引入了马兰戈尼效应算法（MEA），这是一种受物理启发的新型元启发式算法，它通过模拟由表面张力驱动的流动来有效地平衡探索与开发，并在 23 个基准函数上展示了相比于既有算法更优越的收敛速度、精度和鲁棒性。