4092 篇论文
本文提出了一个可复现的三阶段工程框架，该框架系统地将多方利益相关者的需求与监管约束转化为符合 ISO/IEC/IEEE 29148 标准及 FUTURE-AI 分类法的正式、可验证的系统需求，并通过在 AI4HF 项目中为一个高风险临床 AI 系统创建公开可用的需求语料库展示了这一过程。
本文介绍了 YOLO-WKPose v3.1，这是一个全面的更新版本，通过集成五个特定模块来扩展之前的定翼飞机关键点估计，以应对高空湍流、运动模糊和时序预测问题，并提供了一个包含定义损失和范围的详细实现指南，而非报告实验结果。
本文提出并正式验证了一种用于自主无人机的策略门控固件信任机制，该机制通过基于清单的验证来强制执行防回滚和故障关闭安全，同时识别了对持久状态完整性的关键依赖，并概述了硬件支持度量化的路线图。
本文提出并验证了一种用于去中心化无人机集群的软件实现安全框架，该框架通过结合 HMAC-SHA256 认证、纪元验证和单调序列检查的严格数据包准入链，防止了重放攻击和对等节点欺骗攻击，同时量化了其性能开销，并将共享密钥泄露识别为主要的残留风险。
本文介绍了 OmniGuard V2X，这是一个针对智能车辆系统的六层混合安全原型框架，该框架优先考虑假设感知验证和机器可读的安全边界，旨在利用后量子密码学来增强复杂的、多机制 V2X 安全评估的可复现性和可解释性。
本文介绍了 SAIL 框架，这是一种创新的有状态编排架构，通过利用具有启发式验证和双向握手协议的主动、保留状态层来取代无状态中间件，从而缓解集成 ERP-WMS 物流系统中的数据延迟和事务不对称问题，最终在确保账本完整性的同时，将人工库存修复减少高达 90%。
本文提出了遗传碎片化梯度下降（Genetic Fragmentation Gradient Descent, GFGD），这是一种高效的离线-在线调度器，它利用遗传算法为 GPU 共享集群演化出轻量级且受故障约束的策略，与以往依赖大量模拟的方法相比，显著降低了调度延迟，同时提高了作业完成率和资源利用率。
本文介绍了 TSF-Resonator，这是一种轻量级的时频融合网络，通过结合自适应多尺度时间编码与低秩谱分析，克服了现有基于 Transformer 方法在计算和建模方面的局限性，从而实现了准确且高效的废水水质预测。
本文提出并评估了一种用于医院管理的协作式多智能体强化学习框架，证明了其四个专业化智能体通过优化资源配置、缩短患者等待时间以及在极低冲突的情况下实现高运营效率，显著优于传统系统。
本文提出了一种基于 ResNet50 和 Grad-CAM 的可信少样本迁移学习框架，该框架能够有效地对超声图像中的多囊卵巢综合征（PCOS）进行分类，即使在数据极度匮乏的情况下也能实现高准确率和可靠的解释。