2550 篇论文
本文提出了一种用于鲁棒口罩人脸识别的系统性流水线，该流水线将微调后的 YOLOv8 检测器与基于关键点的上脸部裁剪相结合，并通过广泛的基准测试证明，这种多阶段优化显著优于单模型方法，尤其是在使用具有余弦相似度的 FaceNet 时。
本文提出并评估了两种整数线性规划（ILP）方法，用于编排能量中性传感器的激活与充电周期，以确保户外监测网络中的连续时空覆盖，并分析了实现复杂度、求解时间与解的最优性之间的权衡。
本文提出了动态可解释框架（DEF），这是一个集成时间序列 Transformer、图卷积网络和事后可解释性技术的三阶段流水线，旨在实现高精度的入侵检测，通过优先处理关键事件来显著减轻分析师的告警疲劳，并为安全运营中心环境提供透明且近实时的原理说明。
本文提出了 SPQ-DETR，这是一种基于 Transformer 的检测器，通过集成高分辨率特征保持、从编码器标记中初始化的先验引导查询以及形状感知几何监督，显著提高了在挑战性数据集上的精度和召回率，从而增强了远程微型无人机检测能力。
本文介绍了 \methodfull，这是一个仿真驱动的自我改进框架，它通过使用帕累托验证偏好优化（Pareto-Verified Preference Optimization）和安全近端策略优化（Safe Proximal Policy Optimization），迭代地生成、验证并修复电路网表，从而在多种模拟电路族中实现高精度、多目标的定点规格电路设计。
本文提出了一种鲁棒的基于脑电图（EEG）的生物特征识别系统，该系统通过小波尺度谱图和卷积自编码器将64通道信号转换为二维潜在神经特征，随后利用定制的ResNet对受试者进行分类，在PhysioNet运动想象数据集上实现了99.1%的准确率。
本文提出了两种基于储备池计算的架构改进方案，通过使用高效的时域卷积取代传统的、计算复杂的 MFCC 特征提取，通过采用去中心化的多储备池集成或单一复合波形方法，在语音识别任务中实现了卓越的性能。
本研究利用反向相关法证明，像 ChatGPT 和 Gemini 这样的多模态大语言模型能够生成稳定、具有自我认知且情感正向的“人格化”面部图像，这为这些模型可能拥有其功能性身份的内部表征提供了初步证据。
本研究表明，通过使用从克利夫兰数据集中选出的八个关键特征进行优化，支持向量机（SVM）分类器在预测心脏疾病方面的表现优于其他三十种分类器，其准确率达到 90.28%，AUC 达到 93%。
在两年的时间里，UNC Health 通过实施一个三级风险评估体系强化了其负责任的人工智能框架，该体系在保持严格监管的同时显著提高了评估效率并缩短了交付周期，最终成功审查了 64 项解决方案，并建立了稳健的部署后监测机制，且仅发生极少数不良事件。