💻 计算机科学
SENTRY: Secure Energy-Efficient Network Threat Response and Yield in WSN-IoT Environment
本文介绍了 SENTRY，这是一个用于 WSN-IoT 环境的安全且节能的框架，它集成了以太坊区块链来实现去中心化的数据完整性，并采用结合机器学习与深度学习的混合人工智能方法来检测并缓解网络威胁，从而实现了比现有方法更优越的性能指标。
💻 Category
cs
4091 篇论文
💻 计算机科学
Climate-conditional diffusion models for synthetic soil fertility data in data-scarce regions
该论文介绍了 DiffSoil，一种轻量级的条件扩散模型，它能够生成跨越不同气候场景的高质量合成土壤肥力数据，以有效地增强稀缺数据集，从而显著提高数据匮乏且气候脆弱地区下游作物推荐系统的准确性。
💻 计算机科学
Neural construction heuristics for large-scale airport ground scheduling
本文提出了一种结合了基于 Transformer 的强化学习模型与定制化分配算法的两阶段神经构建启发式算法，用于高效解决用于机场地面调度的大规模多仓库带时间窗容量车辆路径问题，并在真实枢纽机场数据上展示了其优于现有求解器的卓越性能。
💻 计算机科学
Deterministic Probabilistic Projection for Hallucination-Free Judicial Inquiry: A Neuro-Symbolic Framework for Evidentiary Solidity Assessment
本文提出了一种创新的神经符号框架，该框架利用确定性概率投影算子和高级数学建模，旨在消除幻觉，并确保基于摩洛哥刑法典的、具有法律效力且透明的司法决策。
💻 计算机科学
Privacy-Preserving User Profiling for Targeted Advertising via Homomorphic Encryption and Secure Multiparty Computation
本文介绍了 H2Profile，这是一个结合了近似同态加密与安全多方计算的混合隐私保护框架，旨在实现高效用、低延迟的定向广告投放，同时将机密性限制在半诚实双服务器模型中。
💻 计算机科学
Anomaly Detection in Cybersecurity Service Contracts
本文提出了一种基于机器学习的方法，用于检测公共机构与私营供应商之间网络安全服务合同中的异常情况，并利用案例研究来对指示偏离既定法律实践的属性进行分类与分析。
💻 计算机科学
Levenberg-Marquardt-Optimized Feed-Forward Neural Network for High-Accuracy Day-Ahead Joint Forecasting of Electricity Load and Market Prices in Smart Grid Environments
本文提出了一种经由 Levenberg-Marquardt 优化的多输出前馈神经网络，通过有效捕捉电力负荷与市场价格之间的非线性依赖关系，实现了高精度的日前联合预测，并在标准智能电网数据集上优于传统方法及深度学习基准模型。
💻 计算机科学
Monocular Relative-Depth-Based Person Detection: The UWRD-Person Benchmark and RHyME-Net
本文介绍了 UWRD-Person 基准数据集，并提出了 RHyME-Net，这是一种利用相对深度表示的新型网络，通过解决尺度变化和遮挡等挑战，同时最大限度地减少对 RGB 外观特征的依赖，从而在超广角场景中实现鲁棒的人员检测。
💻 计算机科学
DRL-Based Adaptive Backup Optimization Framework with Predictive Retrieval and Trust-Aware Management for Edge–Cloud Environments
本文提出了一种基于深度强化学习（DRL）的边缘-云环境自适应备份优化框架，该框架集成了由自组织映射（SOM）驱动的模式学习、基于长短期记忆网络-Transformer（LSTM-Transformer）的预测检索以及信任感知管理，以动态优化备份决策，从而实现高可靠性、低延迟和高效的资源利用。
💻 计算机科学
MARCA: Multi-Agent Root Cause Analysis with Multi-Modal Data
该论文提出了 MARCA，这是一个多智能体框架，通过使用控制器-执行器-投票者架构来解决分布式系统中的根因分析挑战，从而在降低 Token 使用量并确保数据隐私的同时，实现高准确率和高效率。