cs 篇论文 | Gist.Science

本文提出了一种用于聚类联邦学习中稳定且符合预算约束的联盟形成的享乐势博弈框架，证明了纳什稳定划分的存在性，并推导了福利效率保证，且该保证在 CIFAR-10 数据集上经经验验证优于等额剩余分配。

本文阐明了在延迟多智能体修正系统中，验证延迟会产生一个由多蒂数（Dottie number）决定的不可逾越的精度底限，为性能增益设定了预算上限，并使得最优策略在超过特定阈值后从集中修正资源转变为分散修正资源。

本文提出了一种结合对抗训练与高斯数据增强的韧性混合防御机制，旨在显著恢复网络入侵检测系统在面对快速梯度符号法（FGSM）和 Carlini & Wagner 对抗攻击时的准确率，将攻击后的性能从低至 26.49% 提升至 96.57%。

本文介绍了一种时空融合框架，该框架将多光谱 RGB 强度图与直接飞行时间光子直方图相结合，以实现感知材质的目标检测，通过在家用物体上验证的双模块流水线，展示了在定位、分类和防欺骗方面的极高准确性。

本文对 ESP32-S3 上的 Q16 定点整数平方根和除法近似值进行了基准测试，证明了带有插值的查找表在保持资源受限嵌入式应用高精度的同时，在速度上显著优于原生硬件浮点实现。

本文对用于因数分解和素性测试的经典算法与量子算法进行了全面的综述和比较性能分析，结论指出，尽管像 Shor 算法这样的量子方法在因数分解方面提供了显著优势，但在素性测试方面并未提供可比拟的益处。

本文对高光谱遥感数据上的各种聚类方法进行了实证评估，发现与更复杂的替代方案相比，计算效率高的基于质心的算法（如 K-Means）在结合有效的降维技术时，在质量、鲁棒性和速度方面始终能提供最佳的平衡。

本文介绍了“脚手架跳跃”（Scaffold Jump）设计模式，这是一种操作性框架，通过定义四个由证据门槛式转换相连的阶段，使组织能够系统且安全地将人工智能系统从人类全面监督过渡到自主运行，从而在确保达到性能阈值的同时，维持问责制与伦理约束。

本文提出了一种自适应模糊生成对抗网络（Fuzzy-GAN）系统，该系统利用生成对抗网络和模糊逻辑将面部朝向分类为低、中、高角度（包括顺时针和逆时针变化），旨在增强执法应用中的姿态不变性人脸识别。

本文评估了 NVIDIA RTX 神经着色器用于实时流体渲染的可行性，证明了虽然神经网络能够以高帧率成功逼近像素级 BSDF，但目前的框架限制仍阻碍了其在顶点位移任务中的有效部署。