cs 篇论文 | Gist.Science

本文提出了 ARGO-5G，一种具备泄漏感知能力的鲁棒次模优化算法，该算法通过在不依赖未来标签的情况下，平衡未来需求捕获、区域服务公平性和工程约束，来优先排序 5G 补盲站址，并在一个包含超过 14,000 个宏站的数据集上展示了卓越的投资组合平衡能力和可部署性。

该论文介绍了 SIR-PhysNet，一种超轻量级、具有截止日期感知能力的 rPPG 流水线，它将几何与光照处理卸载到固定成本的操作中，并使用解析傅里叶掩模进行心率提取，从而实现在如树莓派 5 等资源受限的边缘设备上的实时、高精度监测，在这些设备上，性能瓶颈在于人脸检测而非网络推理。

AdaFuse 是一种跨模态图像融合算法，它通过集成用于精确注意力选择的负值校准与用于动态资源分配的自适应分层激活策略，解决了特征不平衡和计算效率低下的问题，在可见光-红外图像融合任务中实现了卓越的融合质量与效率。

本研究提出了一种定量的数字孪生可审计性框架（DTAI），该框架整合了八个审计维度和一个剩余风险模型来评估企业决策系统的可信度，并通过实证评估揭示，尽管当前环境总体受控，但在业务连续性、可追溯性和模型治理方面存在显著弱点，需要通过针对性的改进来缓解诸如未经授权访问和数据篡改等风险。

本文提出了一种具有新型带有时间与通道注意力的残差神经维度缩减器（RNDR-TCA）的多任务学习框架，用于从血压波形中联合估计多个心血管参数，有效地缓解了负迁移问题，并在准确性和鲁棒性方面优于现有的单任务和多任务模型。

本文提出了 SPA，一种与拓扑无关、逐跳的路由保护算法，该算法确保了无缝、增量式的部署，并保证在最小路径拉伸的情况下实现针对所有单故障场景的保护，其性能优于 ESCAP、U-turn 和 NPC 等现有解决方案。

本文提出了一种利用音频频谱图转换器（Audio Spectrogram Transformers）和视觉语言模型来分析呼吸音及患者元数据的多模态诊断框架，证明了在哮喘诊断和远程监测方面，该框架与传统的医生听诊及以往基于卷积神经网络（CNN）的方法相比，具有更高的准确性和可解释性。

H-XAI-Cervix 研究表明，在区分 Herlev 数据集上的宫颈细胞类别时，条件分层 EfficientNet-B3 模型显著优于扁平分类器，尽管这种优势在 SIPaKMeD 数据集上并未观察到，因为其性能已接近接近天花板水平。

本文针对 NIH ChestX-Ray14 数据集提出了一项全面的基准测试研究，证明了通过针对类别不平衡和阈值优化策略增强后的 Swin Transformer V2-B 框架，在多标签胸部疾病分类任务中优于现有的最先进深度学习模型。

本文在随机性的 OSAT 环境中，将四种多智能体强化学习架构与传统的调度规则进行了基准测试，结果表明，虽然学习到的策略在吞吐量、流转时间、能源效率和设备综合效率（OEE）方面较 FIFO 有显著提升，但并未统一优于 SPT 规则，从而建立了一个用于评估短时界调度性能的可复现框架。