💻 computer science
Circuit-Inspired High-Order Neural Networks with Unified Neural Dynamics Modeling for PDE Solving and Visual Perception
该论文引入了 CHONN，这是一个受电路启发的模块化框架，它利用基于基尔霍夫定律的级联组合来创建稳定且可解释的高阶神经动力学，从而在解决偏微分方程和增强视觉感知任务方面超越了传统的深度堆叠方法。
💻 Category
cs
2456 篇论文
💻 computer science
Physics-Informed AI Framework Enables Generalizable and Reliable Cerebrovascular Hemodynamic Profiling
本文介绍了 4DHemoX，这是一个物理启发式人工智能框架，它利用混合数据集和嵌入纳维-斯托克斯方程的神经架构来弥合仿真与现实之间的差距，从而实现可靠、泛化且数据高效的临床应用脑血管血流动力学剖析。
💻 computer science
User Interfaces in Machine Learning-Based Decision Support for Emergency Department Triage – A Systematic Review
这项针对25项研究的系统综述表明，尽管以用户为中心的设计至关重要，但用于急诊分诊的基于机器学习的临床决策支持系统往往缺乏全面的界面功能、可用性测试以及跨学科协作，从而阻碍了其在现实世界中的应用与成效。
💻 computer science
REGAL-Driven Hierarchical Graph Reinforcement Network for Stable and Energy- Efficient Communication in Wireless Sensor Networks
本文提出了 REGAL 驱动的分层图强化网络（HGRN），这是一个集成图神经网络、残差能量梯度注意力机制、深度强化学习以及能量自适应鹌鹑优化算法的新型框架，旨在实现大规模无线传感器网络中稳定、节能且负载均衡的通信，并证明了与现有聚类方法相比，该框架在网络寿命、能量节省和数据包交付方面具有更优越的性能。
💻 computer science
Blast Radius Characterization of Triple-Level Poisoning Attacks in Knowledge Graph Retrieval-Augmented Generation Systems
本文将知识图谱检索增强生成（RAG）系统中三层级投毒攻击的影响范围进行了形式化定义与实证量化，证明了中心节点投毒会导致最严重的破坏传播，并提出了一种基于度加权信任评分的图感知防御机制来缓解这些风险。
💻 computer science
Enhancing Intrusion Detection System Resilience Against Adversarial Evasion Attacks Using Adversarial Training
本文提出了一种通过在 UNSW-NB15 数据集上利用快速梯度符号法（FGSM）进行对抗训练来增强的 LightGBM-MLP 混合入侵检测系统，该系统通过在仅造成 6.66% 的干净数据性能下降的情况下，在强扰动下仍保持 77.80% 的准确率，成功提升了针对规避攻击的鲁棒性。
💻 computer science
Adaptive Keyframe Selection and Reconstruction for Volumetric Density Field Sequences Using Structural Descriptors
本文提出了一种用于体素密度场序列的自适应框架，该框架利用一种新型结构描述符通过动态规划进行最优关键帧选择，并采用基于粒子的插值方案以实现高保真重建并最大限度减少伪影。
💻 computer science
Frequency-Guided Real-Time Detection of Weak Water-Surface Targetsfor Unmanned Surface Vehicles
本文提出了一种用于无人水面航行器（USV）的轻量化实时检测器，通过集成频率引导特征路由和尺度归一化自适应定位监督，旨在解决低对比度和小目标尺寸等挑战，同时满足严格的延迟和模型大小限制，从而增强对弱水面目标的检测能力。
💻 computer science
Closed-loop Auto Research for Molecular Property Prediction: Discovering and Certifying Generalizable Improvements
本文介绍了一种闭环自动研究框架，该框架利用语言模型智能体来编辑分子表示、代码模型和外部证据，通过严谨的留出测试，在多个分子特性基准测试中成功发现并验证了具有泛化能力的改进，同时将真实的迁移增益与非迁移的选择方差及分布偏移区分开来。
💻 computer science
Ensemble method of transfer learning Deep learning and vision transformer influencing explainable AI for Breast Cancer Prediction
本文提出了一种结合了迁移学习、视觉 Transformer 和集成方法的可解释人工智能框架，在 BreakHis 数据集上实现了卓越的乳腺癌预测准确率（96.82%），同时利用 Grad-CAM 和 LIME 等技术来增强模型的透明度和可解释性。