2456 篇论文
本文提出了一种数据驱动、无需损失函数的二分类器，该分类器通过整合对称直觉模糊 TOPSIS 与自交互序列三路决策，利用客观属性权重、平衡距离度量以及用于自适应阈值的内部反馈循环，旨在克服现有局限性，从而提升分类性能与鲁棒性。
本研究提出了一种初步的深度学习框架，该框架利用基于梅尔频谱图（mel-spectrogram）的卷积神经网络来自动区分 Maxaatiri 和 Maay Somali 方言，在一个小型广播衍生数据集上实现了约 81% 的准确率，同时强调了需要更大规模、更多样化的数据以确保泛化能力。
这项前瞻性研究表明，利用自托管 LLaMA 3.1-8B 模型的 NeutrinoReview 工具可以在不遗漏任何纳入记录的情况下，将系统评价筛选的工作量减少高达 74%，尽管作者建议在经过不同场景的进一步验证之前，将其作为人类筛选的一种保守辅助手段使用。
本文提出了 FSMF，一种用于自动驾驶的可靠性引导 RGB-IR 目标检测网络，该网络采用可靠性引导调制模块、互补信息解耦模块和尺度感知融合金字塔，以有效应对照明和纹理挑战，并在 M3FD 和 FLIR 数据集上实现了最先进的性能。
该论文介绍了 AgriMemSynth，这是一个包含对话式和多跳推理数据集的合成基准框架，用于评估农业人工智能系统，并揭示了检索组织策略具有任务依赖性，且词汇指标往往会低估答案的正确性。
本文提出了 Meta KG-NCF，一种将知识图谱嵌入（通过 Trans-E）与神经协同过滤以及一阶多监督关联网络相结合的混合元学习框架，旨在有效解决冷启动问题，同时在多个大规模数据集上实现比现有基准方法更优的准确性和计算效率。
该论文提出了 Cry2Vec，这是一种利用优化的 HuBERT 架构和包含 300 万个无标签婴儿哭声的大规模数据集实现的自监督模型，旨在实现最先进的哭声识别性能，并证明了其在边缘侧部署的可行性。
本文提出了一种基于轻量化 YOLOv11n-OBB 的检测方法，该方法通过采用具有 GhostConv_OBB 和 C3k2_GhostConv_OBB 模块的外科精度替换策略，实现了面向边缘设备的高精度、实时螺蛳粉外包装检测，同时在准确率和效率方面显著优于基准模型。
本研究引入了可解释性一致性指数（EAI），这是一种量化慢性创伤诊断中 AI 生成的解释与临床医生推理之间一致性的新颖指标，揭示了尽管当前的 AI 模型具有极高的分类准确率，但往往缺乏临床信任所需的解释性。
该论文提出了 PMDA-Net，一种渐进式多级动态注意力网络，通过具有特征校准、跨尺度交互、密度感知注意力和前景引导优化等新颖架构的设计，增强了人群计数在应对尺度变化、遮挡和背景噪声方面的准确性与鲁棒性。