💻 计算机科学
Laplacian-Guided R-Vine Copula Learning for Bayesian Networks with Mixed-Type Data
本文提出了混合Copula贝叶斯网络（HCBN），这是一种通过将拉普拉斯谱分析与正则藤（Regular Vine）Copula框架相结合，从而在无需转换的情况下从混合类型数据中学习贝叶斯网络结构的创新算法，旨在实现比现有方法更优的对数似然值和模型复杂度控制。
💻 Category
cs
4092 篇论文
💻 计算机科学
CWMAN-EEG: Conditionally Weighted Multi-source Adversarial Network for Across-subject EEG Emotion Recognition
本文提出了 CWMAN-EEG，一种条件加权多源对抗网络，该网络通过分离共享特征和个体化特征，并根据分布相似性对源域进行自适应加权，解决了跨受试者 EEG 情绪识别中的挑战，并在 SEED 和 SEED-IV 数据集上实现了最先进的性能。
💻 计算机科学
A Comparative Analysis of Machine Learning and Deep Learning Models for Forecasting Vietnam's Export Coffee Prices
本研究表明，在存在严重结构性断裂的时期内，门控循环单元（GRU）在预测越南罗布斯塔咖啡出口价格方面显著优于机器学习模型及其他深度学习架构，同时透明地解决了方法论局限性，并为远期合约提供了具操作性的风险参数。
💻 计算机科学
Robotic-Inspired Tri-Metaheuristic Framework with Neuromorphic Edge Intelligence for Real-Time Multi-Modal Biomedical Signal Processing and Clinical Decision Support
本文提出了一种结合了神经形态边缘智能的新颖机器人启发式三元元启发式框架，该框架通过优化实时多模态生物医学信号处理，实现了高诊断准确率与超低功耗，从而能够实现连续72小时的穿戴式监测，并显著提升用于疾病早期检测的临床决策支持。
💻 计算机科学
Evidence Constrained Agentic Retrieval Augmented Generation for Substation Civil Engineering Preliminary Design Documents in a Single Project Study
本文提出了一种证据约束的智能检索增强生成框架 EC-ARAG，该框架通过集成法规感知检索、冲突解决和双重验证环路，显著提升了变电站土木工程初步设计编制的可靠性、一致性和效率，并超越了传统的 RAG 系统。
💻 计算机科学
Evaluation Pitfalls and Multimodal Baselines for the \dataset{} IoT Malware Dataset
本文引入了针对 CIC-YNU-IoTMal2026 多模态物联网恶意软件数据集的首个系统性基准测试与评估协议，揭示了诸如随机划分导致的数据泄露、在无泄露条件下潜伏样本的高漏报率以及严重的跨架构脆弱性等关键陷阱，同时证明了协议选择而非模型选择最终主导了所报告的性能表现。
💻 计算机科学
A Localization-Aware Heterogeneous CNN Ensemble with Neural Meta- Fusion for Plant Disease Classification, with a Component Analysis on Laboratory and Field Images
本文提出了一种具有神经元元融合（neural meta-fusion）功能的定位感知异构 CNN 集成模型，通过在 PlantVillage 和 PlantDoc 数据集上进行的严格消融研究验证，展示了植物疾病分类流水线的关键组件是如何从实验室环境下的集成宽度和手工描述符，转向应用于田间图像时的叶片定位和学习型融合。
💻 计算机科学
Hybrid 3D-CNN, Bi-LSTM, and Transformer-Based Framework for Anomaly Detection of Human Behaviour in Video Surveillance with Adaptive Error Minimization
本文提出了一种新型混合深度学习框架，该框架集成了 3D-CNN、Bi-LSTM 和 Transformer 架构，并结合自适应阈值模块与多目标损失优化，旨在通过显著降低不同环境条件下的误报率，实现视频监控中达到最先进水平的实时异常检测。
💻 计算机科学
CEGNN-Fraud: A Scalable Heterogeneous Temporal Graph Neural Network with Evidence-Constrained LLM Risk Reasoning
CEGNN-Fraud 是一种可扩展的异质时序图神经网络，它通过一个事件条件可靠性门控和一个用于基于证据的风险报告的受限大语言模型来增强金融欺诈检测，证明了其在准确性、鲁棒性和泛化能力方面优于现有基准模型的性能。
💻 计算机科学
A Framework for Dynamic Memory Management and Personalized Agent Decision-Making in Retrieval- Augmented Generation
本文介绍了 DMAP-RAG，这是一个通过集成树状结构的双存储架构和个性化智能体决策，以在多轮对话连贯性和用户满意度方面实现具有竞争力的性能，从而增强检索增强生成（RAG）的框架。