💻 计算机科学
A Robust Industrial Defect Detection Method Integrating Capuchin Search and Sparse Representation
本文提出了一种鲁棒的工业缺陷检测框架，该框架集成了稀疏主成分分析与稀疏化极限学习机，并利用卷尾猴搜索算法对超参数进行优化，旨在有效减轻传感器噪声和对抗性扰动的影响，同时保持高分类精度。
💻 Category
cs
4092 篇论文
💻 计算机科学
An Ordinal Multi-learner Ensemble with Hidden-Markov-Model Augmentation for Imbalanced Prediction of Post-Therapy Occupational Performance in Children with Cerebral Palsy
本文提出了一种由隐马尔可夫模型生成器增强的序数多学习器集成（OME），用于有效预测脑瘫儿童治疗后不平衡且具有序数性质的职业表现评分，并证明了其相比于现有基准模型和 SMOTE 具有更高的准确性和鲁棒性。
💻 计算机科学
A Flexible 3D Visual Reconstruction Method for Power Equipment Based on SCGS
本文提出了SCG，一种用于电力设备的轻量化且高效的3D重建方法，该方法利用语义感知轮廓引导来克服背景杂乱和材质复杂性，仅需智能手机图像即可实现，且比现有的基于NeRF的方法处理速度更快、保真度更高。
💻 计算机科学
Risk Based Software Test Prioritization Using Machine Learning Defect Prediction on Five Open Source Repositories
本文揭示了标准基于风险的软件测试中存在一种会导致机器学习性能虚高的致命标签-特征循环性，随后提出了一种使用泄漏特征移除和严格评估的严谨协议，旨在证明其相对于强基准模型仅有 3.64% 的微小但具有统计学稳健性的提升，同时揭示了这些模型在时间维度上无法实现泛化。
💻 计算机科学
Evaluating the Robustness of Safety-Aligned LLM Behavior to Short Contextual Prefixes
本文表明，短小的、自动优化的前缀可以显著损害开源大语言模型在高风险决策困境上的安全对齐，揭示了其行为安全性中存在的关键鲁棒性差距，且这种损害并不一定改变其底层的稳定目标。
💻 计算机科学
HACI-Net: A Hybrid Attention and Channel Interaction Network for Food Image Recognition
本文提出了 HACI-Net，这是一种基于 ConvNeXt 的混合网络，通过集成空间、坐标和通道注意力机制以及通道交互模块，有效解决了食物图像识别中的挑战，并在 VireoFood-172 和 ChineseFoodNet 数据集上实现了最先进的准确率。
💻 计算机科学
Finding winning team compositions by jointly modeling player proficiency and team congruency in multiplayer online games
本文提出了一种基于 Transformer 架构的深度学习框架，该框架通过对 320 万场《英雄联盟》比赛进行分析，通过对个体玩家熟练度与团队角色一致性的联合建模来预测获胜阵容，其表现显著优于以往的方法。
💻 计算机科学
AI foundation model choice and false positive variation in Anti Money Laundering transaction screening
本研究表明，在反洗钱交易筛查中选择不同的大语言模型会导致误报率和运营工作量发生剧烈变化，从而确立了模型选择是一个需要进行明确治理与监控的关键运营风险参数。
💻 计算机科学
Frequency-Aware Mixture-of-Experts Framework for Named Entity Recognition with Adaptive Feedback Mechanism
本文提出了 TriAdaptNER，这是一个频率感知的混合专家框架，该框架利用由自适应选择器和可微误差驱动反馈机制引导的专门的高频与低频专家，以有效地解决命名实体识别任务中的类别不平衡问题，并提升对稀有实体的识别性能。
💻 计算机科学
An Energy-Efficient Traffic-Aware Dynamic Cluster Head Selection in EMAO-MTRUST for VANETs
本文提出了 MOTMER-VANET，这是一个针对车载自组织网络（VANET）的多目标框架，该框架集成了基于 BiLSTM 的移动性预测、由强化学习驱动的信任管理，以及一种用于动态选择节能簇头并确保针对攻击的安全可靠路由的混合优化算法。