💻 computer science
Calibrated Explainable AI for Student Risk Prediction with Resource-Constrained Intervention and Machine Unlearning
本文提出了一种面向资源受限环境的隐私保护型学生风险早期预测框架，该框架集成了经过校准的 XGBoost 模型、基于 SHAP 的可解释性以及预算感知型智能体干预层，旨在确保决策的准确性、可解释性与合规性，同时支持机器学习遗忘。
💻 Category
cs
2456 篇论文
💻 computer science
Cerebro Tune: A novel Bio-Inspired Hybrid Metaheuristic for Hyperparameter Optimizations in Deep Learning Using Cellular Automata and Reinforcement Learning
本文介绍了 CerebroTune，这是一种新型仿生混合元启发式算法，它将元胞自动机、改进的人工蜂群算法以及结合了 Hopfield 网络强化学习的方法相结合，通过动态优化深度学习超参数，在不同领域中实现了比现有方法更高的准确度、更低的计算成本以及更强的稳定性。
💻 computer science
Enhanced Gold Mining Optimization with Dual-Layer Information Sharing and Dynamic Control for Multi-Objective Scheduling of Heterogeneous UAV Swarms
本文提出了一种具有双层信息共享框架和动态帕累托支配机制的改进型金矿优化算法（IGMO-DP），通过同时优化任务完成时间、能量消耗和负载均衡，有效解决异构无人机集群的多目标调度问题，并证明了其相比于现有先进算法具有更优越的收敛性和解的多样性。
💻 computer science
A new impact for an AI-mediated science
本文认为，在期刊去中心化和人工智能介导知识获取的时代，传统的基于引用的科学影响力指标正趋于过时，因此有必要建立一套新的系统，以认可并衡量人工智能参与、开源库以及缺乏正式出版物的数据集所做出的贡献。
💻 computer science
Queue-Aware Task Offloading in the ComputingContinuum under Dynamic Workloads
本文提出了一种面向计算连续体的队列感知型任务卸载方法，该方法将经过解析修正的 G/G/c 延迟近似与实时队列观测相结合，以在可变工作负载下动态分配任务，从而在无需训练或校准的情况下，与现有基准相比显著降低了延迟和估计误差。
💻 computer science
DPENet: A Dynamic Perception Enhancement Network for Object Detection in Remote Sensing Images
本文提出了 DPENet，一种动态感知增强网络，该网络通过集成自适应动态卷积、可变形注意力机制和动态采样模块，有效地解决了高分辨率遥感图像检测中目标尺寸变化、密集小目标以及复杂背景等挑战。
💻 computer science
E-Taste Signal Encoding and Classification via Multi- Attention Residual Networks Using sEMG Streams in Virtual Sensory Systems
本研究引入了一种新颖的 MACB-ResNet 深度学习模型，该模型显著提高了通过面部表面肌电图 (sEMG) 信号对虚拟味觉刺激进行分类的准确率，达到 86.32%，优于用于数字健康和食品技术领域的传统及标准深度学习分类器。
💻 computer science
Enhanced Seam Segmentation for Automated Welding Robot in Construction Through Transfer Learning: Addressing Limitations of Bilateral Segmentation Network
本研究提出了一种基于迁移学习的框架，该框架通过结合混合交叉熵-Lovász损失函数来增强 BiSeNetV2，旨在实现建筑领域自主机器人焊接中鲁棒且实时的焊缝分割，在不增加计算复杂度的前提下显著提升了在反射表面上的性能。
💻 computer science
TITAN: Three-Tier Intrusion-Detection Tree-Based Adaptive Network for Industrial Internet of Things
TITAN 是一种用于工业物联网入侵检测的新颖三层联邦学习架构，它通过仅交换预测输出和设备摘要，利用自适应知识蒸馏和贝叶斯聚合，克服了非独立同分布（non-IID）数据和类别不平衡的挑战，在无需共享原始数据或梯度的情况下，实现了优于现有方法的宏平均 F1 分数（macro-F1 performance）。
💻 computer science
Privacy-Utility Tradeoffs in Hierarchical Federated Learning Under Combined Differential Privacy and CKKS Homomorphic Encryption for Distributed Healthcare Networks
本文提出了一种用于医疗保健的分层联邦学习框架，该框架将客户端层级的差分隐私与机构层级的 CKKS 同态加密相结合，证明了虽然差分隐私会产生取决于隐私预算的可衡量的准确度损失，但同态加密不会引入效用退化，从而隔离并量化了每种机制各自不同的隐私与效用权衡。