3775 篇论文
本文提出了 EWGF-CTSA-OSN 框架，该框架通过集成熵权引导滤波、卷积转置自注意力机制以及经过优化的脉冲神经网络，通过有效抑制噪声、捕获多尺度特征并利用屎壳郎优化算法进行参数微调，实现了从超声图像中对乳腺癌进行高度准确的早期诊断。
本文针对基于阿拉伯语 Transformer 的文本分类任务，对个体及集成可解释人工智能（XAI）方法进行了全面的基准测试，结果表明，虽然选择性集成在以模型为中心的忠实度方面提供了适度的提升，但在以人为中心的合理性方面并未显著增强，同时本文还引入了一种具有成本效益的自动化理由选择方法。
本文提出了一种概念验证框架，该框架将基于 SHAP 的模型解释与检索增强生成（RAG）相结合，通过根据主导失效因素检索相关知识，将预测性维护的失效预测转化为具有可操作性、可解释性且针对特定案例的维护建议。
本文提出了一种可解释的机器学习框架，用于预测糖尿病患者30天内的再入院风险，旨在为医院提供一种公平且准确的辅助工具，以识别高风险个体，同时确保算法的透明度与公平性。
本文对 1992 年至 2026 年间发表的 69 篇学术记录进行了可复现的定量内容分析，在包括安全、生物识别、机器人技术和供应链在内的六个领域中，刻画了机器学习信任研究的分布与结构模式，同时证明了文献标题与人工编码的应用类别之间仅存在微弱的一致性。
本文介绍了引用收据协议（Citation Receipt Protocol, CRP），该系统通过生成经过加密签名且可审计的经身份验证的来源检索记录，使数字图书馆能够通过抽样检查来验证特定的引用事件，同时明确承认其在证明全局完整性或语义引用有效性方面的局限性。
本文通过一项受控的多种子评估表明，尽管对抗训练显著提升了 IoT/IIoT 入侵检测模型在 ToN-IoT 和 Edge-IIoTset 基准测试下针对 PGD 攻击的鲁棒性，但这也以降低洁净准确率以及导致解释稳定性随数据集和解释器不同而变化为代价。
本研究表明，机器学习模型（特别是支持向量机）能够利用第一学期 GPA 和补考课程等常规记录，有效预测南迪·阿齐克韦大学本科生的学术风险，从而为处于风险中的学生提供及时的干预。
本研究提出了一种利用 UNet++ 架构、多模态 MRI 输入及不平衡感知优化算法的多数据集深度学习框架，旨在实现多发性硬化病灶更佳的自动化分割效果，在提高对微小病灶敏感性的同时，强调了临床部署中进行外部验证的必要性。
本研究利用多维 LICA 框架，通过将三种前沿大语言模型（GPT-4o、Claude 3.5 Sonnet 和 Gemini 1.5 Pro）与人类专家进行对比，评估了其心理测量学效度，结果表明，尽管 GPT-4o 实现了完美的对齐，但其他模型表现出系统性的评分偏差，并在一致性评估社会语用细微差别方面存在困难，从而强调了在自动化二语写作评估中进行维度特定校准和人类监督的紧迫性。