💻 计算机科学
Hardware-Coupled Bayesian Optimization for Self-Tuning Lightweight Cryptographic Parameters in Resource-Constrained Decision Support Systems
本文提出了一种利用硬件耦合贝叶斯优化、迁移学习和漂移感知反馈的自调优框架，旨在动态优化资源受限决策系统中轻量级加密参数，从而在无需人工干预的情况下实现安全性、能量效率与性能之间的平衡。
💻 Category
cs
4092 篇论文
💻 计算机科学
Optimal Feature Extraction and Prediction for Air Quality Using a Swarm-Refined Hybrid System
本研究提出了一种结合了用于趋势提取的 SARIMA、用于捕捉非线性动态的 TCN 以及用于超参数优化的 SCSO 的混合空气质量预测模型，证明了其相比传统方法在准确性和鲁棒性方面的显著提升。
💻 计算机科学
Robust Non-Invasive Melanoma Early Detection Through Lightweight Self-Supervision and Lesion-Focused Representation Learning
本文提出了一种基于 YOLOv11 的轻量级且鲁棒的框架，该框架利用针对病灶的自监督预训练和分层两阶段分类器，在保持对移动设备典型图像退化具有韧性的同时，在 HAM10000 数据集上实现了高准确度的非侵入式黑色素瘤检测。
💻 计算机科学
Smart Cities AVNs: Transparent and Privacy-Preserving Cyber Attack Prediction with Explainable Federated Feature Selection
本文提出了一种用于自动驾驶车联网的透明且隐私保护的可解释联邦学习框架，该框架通过整合分布式特征选择与可解释人工智能，在保持数据局部性和决策可信度的同时，实现了高准确率的多分类网络攻击预测。
💻 计算机科学
Extended Compositional Learning Algorithm for Synchronous Parallel Automata
本文提出了一种针对同步并行自动机的扩展组合学习算法，该算法放宽了对同步动作的严格全局唯一性假设，从而能够以显著少于单体方法的资源，实现从现实黑盒系统中对组件模型进行可扩展且正确的提取。
💻 计算机科学
TAH-GAN: Time-Aware Hybrid Generative Adversarial Network for Robust Android Malware Evasion
本文介绍了 TAH-GAN，这是一种结合了傅里叶时间编码和双门控质量控制的时间感知混合生成对抗网络，用于生成面向未来的 Android 恶意软件样本，有效地解决了时间概念漂移问题，并且与现有的非时间性基准模型相比，实现了更高的规避率和更强的时间相干性。
💻 计算机科学
A 2-Level Stacking Ensemble Framework for Multi-Class Alzheimer’s Disease Diagnosis Using CNN Feature Extractors and SVM-XGBoost Classifiers
本研究提出了一种两层堆叠集成框架，该框架整合了来自 ResNet152、DenseNet121 和自定义 CNN 的特征，通过 PCA 进行处理，并由 SVM 和 XGBoost 进行分类，旨在通过对阿尔茨海默病进行四分类 MRI 扫描诊断实现近乎完美的准确率（0.9997），显著优于现有的最先进基准模型。
💻 计算机科学
Disentangling Mechanism, Budget, and Coverage in Data Augmentation for Imbalanced Malware Family Classification
本文解构了深度生成模型在不平衡恶意软件分类中生成机制、增强预算和覆盖范围的影响，发现虽然大多数因素带来的性能增益微乎其微，但增加增强预算能为 RBF-SVM 分类器提供微小但可复现的改进，从而凸显了在评估数据增强策略时实验设计的重要性。
💻 计算机科学
MARS-Agent: Retrieval-Augmented Multi-Agent Deliberation for Cross-Border E-Commerce Supply Chain Resilience
本文提出了 MARS-Agent，这是一个具有双重触发式 RAG 机制和“验证-自适应-重规划”循环的检索增强多智能体框架，旨在通过实现闭环、自纠错的审议机制，以增强跨境电子商务供应链应对异构扰动的韧性。
💻 计算机科学
Memory-Efficient Contrastive Learning via Budgeted Hard Negative Selection
本文介绍了一种内存高效的对比学习框架，该框架通过流式计算并动态选择固定预算的难负样本，消除了稠密相似度矩阵带来的二次方内存瓶颈，从而在保持优化有效性的同时，使受限硬件能够支持显著更大的批次大小。