2371 篇论文
本文介绍了共生卷积块（Symbiotic Convolution Block, SCB），这是一种轻量级的非注意力机制模块，通过融合卷积映射实现了隐式特征重校准与多样化，为图像分类任务提供了一种计算高效的注意力机制替代方案。
本研究提出了一种混合框架，该框架将能够有效捕捉金融新闻中中性情绪的微调 DeBERTa-v3 模型与技术指标相结合，与仅基于价格的基准模型相比，显著提高了 NIFTY 50 指数的方向预测准确度。
本文提出了 GeoRel-CLIP，这是一个几何正则化的关系蒸馏框架，通过共同优化全局几何分布和局部关系结构，来增强 CLIP 的零样本识别能力，从而在后预训练阶段缓解模态间隙和表示崩溃问题。
本研究提出了一种利用 CatBoost 和半监督学习的可解释、标签高效型机器学习框架，用于准确识别用于微创手术的腱驱动连续体机器人的接触构型，在有限标记数据的情况下实现了高性能，并确定法向力是实现更安全控制策略的关键特征。
本文提出了一种在网络靶场环境下的 AI 驱动型画像模型，该模型能够持续评估学习者表现，以生成自动化的个性化反馈和自适应学习路径，从而解决网络安全教育在可扩展性和个性化方面的关键挑战。
本文提出了一种轻量级、实时的语义前端，该前端将周期性实例分割与基于配准的高斯映射流水线相结合，以有效地去除动态物体并增强 RGB-D SLAM 在动态环境中的鲁棒性。
本研究提出了 LV-YOLO，这是一个结合了用于全局筛查的 MobileNetV3 和经过优化的、包含新型注意力与上采样模块的 YOLOv11 模型的两阶段深度学习框架，该框架能够有效且准确地检测胃癌全切片图像中的淋巴血管侵犯，从而辅助病理学家进行临床风险分层。
本文表明，一种利用冻结的 2D 视觉基础模型特征的无监督框架，在应用于 LiDAR 树冠的规范深度渲染时，比手工设计的几何描述符和冻结的 3D 基础模型更连贯地组织了单个树种，同时通过严格控制采集源混杂因素，验证了预训练视觉表示在该领域优于原生 3D 几何结构的优越性。
SpectralMLP 引入了一种新颖的超图神经网络框架，该框架利用基于可学习雅可比多项式基底的高效、无消息传递的双频谱滤波机制取代了传统的聚合方式，在保持参数量低于大多数现有方法的同时，在多个基准测试中实现了最先进的性能。
本研究通过对比原始序列、基于图像（GAF）、混合以及统计模型在家庭用电异常检测中的表现，呈现了一个受控基准测试，结果发现直接时间建模（Raw 1D-CNN）在合成扰动协议下优于其他方法，同时强调由于数据集仅涵盖单一家庭且缺乏真实世界的故障标注，需谨慎解读研究结果。