4092 篇论文
本文对七种用于 T1-CE MRI 脑肿瘤分类的预训练深度学习模型进行了对比分析，结果表明，在结合多种数据增强技术和优化器进行训练时，VGG-16 达到了最高准确率（92.45%），同时利用 Grad-CAM 增强了模型的可解释性。
本文介绍了一种新颖的自愈架构，该架构通过将多层验证与高效的基于句子的细化过程相结合，能够自主检测并缓解大语言模型生成的学术文本中的文献幻觉问题，在实现高识别准确率（0.96）的同时显著降低了计算成本，并确保了学术诚信。
一项涉及 982 名中国高校教师的随机实地实验表明，与传统或黑箱 AI 系统相比，可解释的模糊 AI 反馈通过阐明算法不确定性并促进反馈采纳，显著增强了程序公平性、校准信任以及随后的教学改进。
本文介绍了一种经过验证且可复现的测量协议（QSQ-Bench 和 Q-EVAL），该协议通过建立统计预言保证，并结合对量子程序和经典系统的全面研究，确保了具有可比性、成本意识且符合构念效度的软件测试评估。
为了解决现有检测器在复杂海洋环境中的局限性，本文提出了 SFE-YOLO，这是一个双域增强型 YOLO 框架，它集成了用于多方向特征提取的旋转卷积（pinwheel convolution）和用于海杂波抑制的频域模块，在 SSDD 和 HRSID 数据集上的 SAR 船舶检测中实现了卓越的性能。
这项研究表明，虽然上下文感知提示和先前决策的检索可以改进用于德国报纸论坛审核的大型语言模型评估器，但模型容量的选择比提示策略更为关键，其中最大的模型在无需标注训练数据的情况下，在稀有移除类别上的表现优于监督系统。
本文提出了 PPO-TS，一种优先级引导的动作掩码近端策略优化框架，该框架在动态电力材料校验调度合成基准测试中展示了具有统计学意义的改进，尽管同时也揭示了在设备利用率和泛化边界方面的局限性。
本文介绍了 PolyFormer，这是一个物理启发式机器学习框架，它通过学习复杂约束的紧凑多胞体表示，从而在各类现实世界问题中实现可扩展、快速且准确的规范性优化。
本文介绍了 JarifNet，这是一种轻量级 CNN 架构，它结合了倒置残差瓶颈（inverted residual bottlenecks）、挤压与激励注意力机制（Squeeze-and-Excitation attention）以及随机深度（Stochastic Depth），旨在 CIFAR-10 数据集上实现边缘图像分类的先进精度、概率校准和计算效率。
本文介绍了 TITAN，这是一种以多样性为驱动的堆叠集成模型，它整合了五种基于树的学习器和一个自定义的多分支神经网络，并通过严格的泄漏检测和贝叶斯优化，在利用 HFEA 登记库预测 IVF 周期的活产结局方面达到了最先进的准确度。