💻 计算机科学
Canonical P1AC: A Direct Solver for P1P with Affine Correspondences or Field Gradients
本文介绍了一种针对具有仿射对应关系的 P1P 问题（P1AC）的高效极小求解器，该求解器通过利用仿射对应关系与梯度场之间的等价性，将任务分解为一个规范化步骤和一个单二次方程，从而能够应用于具有稠密、等距不变描述符映射的场景，并对退化和失效情况进行了全面的分析。
💻 Category
cs
4060 篇论文
💻 计算机科学
Developing a Generative AI Agent to Support Science Curiosity: A Theory-Informed Development and Initial Evaluation Study
本研究以奖励学习框架为基础，开发并评估了一种基于理论驱动的生成式人工智能智能体，该智能体通过提供比单纯自我提问更有效地闭合好奇心回路的认知、情感及保护性支持，成功地促进了大学生状态好奇心与特质好奇心的培养。
💻 计算机科学
ThyroGuard-Net: A Sensitivity-Optimised, Explainable Hybrid CNN–Transformer Framework with Evidential Uncertainty for Thyroid Nodule Classification
本文介绍了 ThyroGuard-Net，这是一个结合了 EfficientNet 与 Swwin Transformer 的混合框架，通过在多中心 TN3K 数据集上利用灵敏度加权损失、证据不确定性和基于 TI-RADS 的可解释性进行训练，旨在实现稳健、泛化且临床校准的甲状腺结节分类，并提升了相较于现有方法的灵敏度。
💻 计算机科学
Graph2Path: Hierarchical Reactivity-Guided Template Policy Learning for Multi-Step Retrosynthesis
Graph2Path 是一种层级化、由反应性引导的模板策略，它通过将原子和键的活性监督集成到图编码状态中，增强了多步逆合成规划，从而实现了比 RetroSynFormer 和 AiZynthFinder 等现有方法更高的精确路径准确率和成功率，尽管其推理时间有所增加。
💻 计算机科学
A Lightweight Small Object Detection Framework Based on Enhanced BiFPN and Attention Mechanisms
本文提出了 ESW-YOLO，这是一个基于 YOLO11n 的轻量化小目标检测框架，该框架集成了动态蛇形卷积（Dynamic Snake Convolution）、一个带有额外高分辨率检测头的增强型 BiFPN 以及 iEMA 注意力机制，并采用 WIoU 损失函数，在保持相当参数量的同时，显著提高了对小型及细长目标的检测精度。
💻 计算机科学
An Interpretable Hybrid Deep Learning Framework for Student Placement Prediction Using PSO–GA–Bayesian Optimized ANN with SHAP–LIME Explainability
本文提出了一种新颖且具有可解释性的混合深度学习框架，该框架通过整合粒子群优化算法（PSO）、遗传算法（GA）和贝叶斯优化来调优人工神经网络，在实现预测学生就业结果高达 99.60% 的准确率的同时，利用 SHAP 和 LIME 提供透明且具可操作性的见解，以促进教育与产业的对齐。
💻 计算机科学
Digital-Twin-Coordinated Predictive Resource Management in 6G Cellular-Edge Networks Using Spatio-Temporal Graph Learning and Federated Reinforcement Learning
本文提出了 DT-STGNN-FedRL，这是一个数字孪生协同框架，该框架集成了用于预测性资源预测的时空图学习与用于实现 6G 蜂窝边缘网络中主动式、分布式多资源管理的联邦强化学习，从而显著降低了延迟和 SLA 违约，同时提高了吞吐量和效率。
💻 计算机科学
When Lifts Predict Lifts: Leakage-Controlled Strength Prediction and a Closed-Form Leakage Diagnostic
本文揭示了用于预测运动员最大力量举表现的机器学习模型如何因并发动作数据泄露而导致显著的准确率虚高，并提出了一种用于量化此类泄露严重程度的闭式诊断方法，以及一种无需依赖同类动作数据即可提供校准后且符合生理一致性预测的高性价比生成模型。
💻 计算机科学
Feature Fusion Based Deep Learning Framework for Brain Tumor Classification
本文提出了一种可解释的混合深度学习框架，该框架融合了六个预训练 CNN 模型的特征，通过视觉解释技术和外部测试验证，在七类脑肿瘤分类中实现了 97.87% 的准确率。
💻 计算机科学
EPC Bound ECC Authentication Scheme for Internet of Things Devices
本文提出了一种针对资源受限型物联网设备的安全性高且高效的身份验证方案，该方案利用椭圆曲线密码学和唯一的电子产品代码来最小化能耗和执行时间，在模拟无线网络环境中表现优于现有方法。