📄 other
Conditional Diffusion-Based Data Augmentation for Imbalanced Multi-Mode Fault Diagnosis in Predictive Maintenance
本文表明，类条件去噪扩散概率模型（DDPMs）通过合成高保真度的少数类样本，有效地缓解了预测性维护中严重的类别不平衡问题，在检测罕见工业故障方面显著优于 SMOTE 和 GANs 等传统增强方法。
💻 Category
cs
2403 篇论文
📄 other
Causal Retrieval-Augmented Generation: ModifyingFake Correlations in AI-Driven Knowledge Systems through Algorithmic Nudging
本文介绍了因果检索增强生成（Causal Retrieval-Augmented Generation, CR-RAG），该框架将 RAG 流水线建模为结构因果模型，通过后门调整、逆概率重加权和反事实数据增强来减轻伪相关并减少幻觉，在知识密集型基准测试中取得了显著的性能提升，尤其是在长尾问题方面。
📄 other
Diffusion Model-Based Image Restoration: Interactive Learning of Determinism and Stochasticity
本文提出了一种用于图像修复的新颖扩散框架，该框架通过对确定性和随机性的交互建模，以有效地适应不同退化任务的异构需求，从而在多种修复场景中实现了卓越的性能和可解释性。
💻 computer science
Topology-Preserving Anisotropic Adaptive Yarn-Level Cloth Simulation Using Direction-Aware Energy Evaluation
本文提出了一种拓扑保持、方向感知的纱线级织物模拟自适应框架，该框架根据局部变形和接触活跃度动态调整约束计算强度，同时利用视觉上采样来维持高保真编织结构，而不会产生过高的计算成本。
📄 other
IBKA-Transformer: An Improved Black Kite Algorithm Optimized Transformer for Industrial Robot Bearing Fault Diagnosis
本文提出了一种名为 IBKA-Transformer 的新型故障诊断方法，该方法将改进的黑鸢算法（Black Kite Algorithm）与 Transformer 模型相结合，用于优化超参数和选择特征，在工业机器人轴承故障诊断中实现了 99.86% 的准确率。
📄 other
Dual-Critic Uncertainty-Gated Reinforcement Learning for Vision-Dropout-Robust Image-Based Visual Servoing
该论文提出了 DCUG-PPO，一种双评论家强化学习控制器，它通过不确定性门控机制将其策略锚定在基于模型的备选方案上，在相机掉线情况下的基于图像的视觉伺服中，实现了比单评论家 PPO 和经典基准更高的可靠性和更平滑的控制，同时也承认了在硬件验证和更广泛算法比较方面的局限性。
📄 other
ESSIM: A Probabilistic Swarm Optimization Algorithm Based on Bayesian Statistical Inference and Uncertainty-Guided Search
本文介绍了 ESSIM，这是一种利用贝叶斯统计推断和个体粒子不确定性来维持种群多样性并避免局部极小值的创新概率群优化算法，尽管其计算时间较长，但在多峰基准测试和高斯过程回归超参数优化任务中表现优于经典的粒子群优化算法（PSO）。
📄 other
Robust Video Steganography Against Recompression and Arbitrary Cropping via Dual-Layer PN Synchronization
本文提出了一种鲁棒的视频隐写方法，该方法将 DWT-SVD 域中的 MEC-AQIM 嵌入与双层伪噪声同步机制相结合，以有效地从遭受重压缩和任意裁剪处理的视频中恢复秘密数据。
📄 other
A bio-inspired hybrid lifelong learning based on self-selective memristors
本文提出了一种受生物启发的混合终身学习系统，该系统通过协同设计一种果蝇-人类混合算法与自选择忆阻器硬件，以克服灾难性遗忘和能量效率低下的问题，从而在速度和能效方面较传统的 CMOS 加速器实现了显著提升。
📄 other
Leakage-Controlled Machine Learning for European Cd, Hg, and Pb Emission Inventories
本文提出了一种可审计、泄漏受控的机器学习框架，该框架通过协调异构的欧洲排放数据，以准确预测镉、汞和铅清单的短期空间更新，在实现较基准模型显著降低误差的同时，明确定义了用于异常筛选和专家优先级的操作限制，而非进行无限制的预测。