cs 篇论文 | Gist.Science

本文提出了一种用于残差量子重叠的精确 Softmax 采样方法，该方法利用嵌套经典投影和首次提议耦合来显著降低期望抽样成本和方差，这一点已在预训练模型注意力行上得到证实，尽管其并未建立硬件加速。

本文提出了一种层次化空间基模型（Spatial Basis Model），该模型将输入映射到高维向量节点，并通过基于余弦相似度的继承与线性缩放进行信息传播，为具有显著空间结构或高维判别需求的场景提供了一种比多层感知机（MLP）更具计算效率的替代方案。

本文提出了 IPEK，一种用于车载自组网（VANET）的智能信任管理框架，该框架利用非对称知识、事件严重性感知以及基于 Yager 证据理论（DST）的融合技术，能够有效检测利用同质信任模型的策略性攻击者，从而实现比现有集中式方案显著更高的召回率和更低的误报率。

本文引入了一种多层职业网络（MONET）和一种关系感知多层图神经网络（RAM-GNN），通过分析职业邻域内的结构性关联，来识别超越直接人工智能暴露之外的劳动力风险，从而提供一种在检测准确性与社会经济脆弱性之间取得平衡的政策筛选工具，并对个人层面的误用提出警示。

本研究表明，虽然针对 MAO-B 的特定靶点机器学习评分函数（特别是结合了多种特征的调优回归模型）在独立测试集上的表现显著优于通用评分函数，但其早期识别性能深受与已知活性化合物结构相似性的影响，这强调了进行严格基准设计和前瞻性验证的紧迫性，以确保其对新颖化学空间的泛化能力。

本文通过一项系统的消融研究表明，注意力增强型双重深度Q网络（ADDQN）在雾计算中针对截止日期感知任务调度表现出的卓越性能，关键取决于其组件之间的协同作用，其中奖励塑造和双路径融合被确定为实现鲁棒调度的最显著贡献因素。

本文提出了一种基于卷积神经网络的实时框架，该框架通过微分和积分注意力机制进行了增强，旨在稳健地分类不同可穿戴设备中的光电容积脉搏波信号质量，在实现高准确率和 F1 分数的同时，平衡了模型大小与性能。

本文在能量预算下利用进化搜索将卷积神经网络分解为强加先验与涌现结构，揭示了稀疏连接与权重共享是自然产生的，而紧凑滤波器需要特定的变异机制，且在缺乏监督的情况下，通道轴上的组合会遭遇容量墙。

本文提出了一种新颖的实时声学键盘记录系统，该系统利用训练自对数梅尔频谱图（log-mel spectrograms）的卷积神经网络，实现了高准确度的按键推断，具有低延迟（0.35 秒）的特性，并且即使在训练数据有限的情况下也能保持稳健的性能。

本研究引入了一个鲁棒的实时跨年龄卡纳达手语识别框架，该框架将曲线几何特征提取与混合 CNN-LSTM 架构相结合，在由 5,000 个标注样本组成的新构建数据集上实现了 94.6% 的准确率，旨在为辅助通信提供有效的手语到文本转换。