2550 篇论文
FluxGraph 是一个用于时间序列异常检测的无监督框架，它通过将动态图注意力与通量记忆（flux memory）以及双向特征流相结合，有效地识别工业和汽车系统中细微的伪装异常和渐进的基准漂移，并通过一种新颖的多残差融合方法超越了现有方法。
本文提出了一个多层框架，通过将响应分解为原子断言、利用检索进行锚定，并结合小语言模型与神经符号推理进行验证，从而增强大语言模型的事实可靠性，在保持可解释性和计算效率的同时，在 HotpotQA 和 SciFact 数据集上实现了显著的性能提升。
本文提出了一种知识约束的神经框架，该框架将形式化几何规则嵌入到图补全模型中，以保证伊斯兰几何图案的精确旋转对称性和结构有效性，并证明了虽然数据增强可以提高逼真度，但只有对称结构化的推理才能确保零违规。
GeoMind 是一个自主多智能体框架，它集成了本地大语言模型（LLM）、基于检索增强生成（RAG）的上下文注入以及确定性地理空间验证器，通过闭环自纠正系统实现了高达 90% 的任务成功率和显著提升的地理空间分析精度，有效地克服了通用大语言模型中常见的语义与地理幻觉问题。
本文通过对基于软件定义无线电的非接触式呼吸模式分类中的多层感知机、XGBoost 和随机森林模型进行了统计验证基准测试，证明了 MLP 和随机森林在准确率上优于 XGBoost，同时指出快速呼吸和睡眠呼吸暂停模式是最难以区分的模式，并强调了随机森林由于过拟合而具有更高的泛化差距。
本文提出了一种基于人工智能驱动的智能理疗助手，该助手利用计算机视觉和机器学习技术，通过 Web 界面提供实时姿态分析与纠正反馈，从而在无需物理治疗师持续监督的情况下，实现便捷、低成本且循序渐进的康复训练。
本研究提出了 LGBM-BBB，这是一个用于预测血脑屏障通透性的高速且准确的 Web 服务器，它利用经过优化的 59 个特征集、缩尾异常值处理以及马修斯相关系数阈值优化训练的 LightGBM，以促进高效的神经治疗药物研发。
本文引入了一个综合框架，该框架结合了基于 LSTM 的节疤生成、随机生长建模以及条件扩散模型，用以创建具有已知内部结构的逼真合成挪威云杉木板，从而为在真实成对数据稀缺的木材评估任务中训练深度学习系统提供支持。
本文介绍了 MobileRACMA，一种轻量级且具备可靠性感知能力的跨模态注意力架构，该架构通过融合 RGB 与热成像图像，在边缘平台上实现鲁棒的度量单目深度估计，同时通过正式保证受限的信息交换，以防止模型在光度退化下的不稳定性。
本研究评估了企业在应对量子计算威胁方面关键性的准备不足，强调了大多数系统仍处于脆弱状态且迁移规划极少，并提出了量子韧性安全架构（QRSA）框架，旨在指导组织向符合 NIST 标准的后量子密码协议进行过渡。