3775 篇论文
本文提出了一种增强型深度学习模型，该模型通过将常数Q变换（Constant Q Transform）与挤压分组（Squeeze Group）和深度卷积（Depthwise Convolutions）等先进架构组件相结合，实现了96.03%的齿轮故障识别准确率，在超越传统方法的同时，利用Grad-CAM确保了模型的可解释性。
该论文介绍了 ElderlyPipe，这是一个公开发布的真实室内数据集，包含 63,855 帧经过质量保证的骨骼框架，捕捉了包括拄拐行走在内的老年人行为，并证明了时空图模型在分析步态不平衡方面优于单帧方法。
本文提出了一种用于可变形三角网格符号距离查询的时间相干分层方法，该方法通过选择性地刷新各向异性边界并重用前一帧的最邻近三角形种子，在保持数值准确性的同时实现了高达 2.5 倍的性能提升。
本文引入了一种 Wasserstein Weisfeiler-Lehman 核框架，该框架通过正则化分数拉普拉斯算子将加权结构脑图与连续功能属性相结合，并证明了虽然 Wasserstein 点云表示是阿尔茨海默病检测分类准确性的主要驱动力，但非局部结构传播带来的益处具有信号依赖性，且对于弥散耦合而非网络分离模式最为有效。
本文介绍了一种用于降维 FLIP 模拟的残差引导自适应压力基，该方法通过在具有高误差或复杂几何结构的区域动态增强粗糙压力基，实现了比均匀缩减更低的近似误差和发散度，且仅产生适度的计算开销。
本文介绍了“肿瘤形态计算”（oncomorphic computing），这是一种受生物启发的新范式，它通过重新利用癌症生存原则——例如去中心化行为、表型可塑性和资源招募——来构建具有韧性的机器智能，使其能够在嘈杂、受损或资源匮乏的环境中，在软件和硬件层面实现自主适应与重构。
本文通过对印度、中国和巴西人工智能驱动的高等教育框架进行文献计量学与政策分析，旨在解决全球南北差距问题，并为将教育改革与工业竞争力及联合国可持续发展目标相统一提供数据驱动的路线图。
本文提出了混合标记优化（Hybrid Token Optimization, HTO），这是一个通过利用字典先验来精炼全局标记表示，并通过空间能量异构选择来扩大局部标记覆盖范围，从而在不改变现有匹配头的情况下显著提升文本生成图像行人重识别性能的参数高效型框架。
本文回顾了从2019年到2026年带有世界模型的强化学习的演进过程，强调了向互联网规模生成式基础模型和统一架构转变的三大关键范式转移，并调研了其在机器人、自动驾驶、医疗保健及多智能体系统等领域的广泛应用。
本文提出了一种基于 MATLAB 的工作流和图形用户界面，该工作流利用感兴趣区域（ROI）引导的强度阈值分割、边缘检测和形态学处理，对脑部 FLAIR MRI 图像中的疑似肿瘤区域进行分割与可视化。