💻 计算机科学
Front Propagation–Based Clustering: A Density-Driven Graph Framework
本文提出了一种基于前沿传播的聚类框架，该框架通过在邻域图上进行竞争性传播动力学过程，将自适应算法与到达时间算法统一起来以形成簇，从而有效地处理非凸结构、变化密度和噪声，且无需依赖全局优化或敏感阈值。
💻 Category
cs
4154 篇论文
💻 计算机科学
Design and Implementation of SHA-256 Accelerator on FPGA for Edge Devices
本文提出了一种面向边缘设备的资源优化型低功耗 SHA-256 硬件加速器，该加速器利用 2 倍循环展开和时钟门控技术，在 FPGA 平台上实现了 1.47 Mhps 的吞吐量和 13.37 Mhps/W 的能效。
💻 计算机科学
Self-Evolving Agentic Reinforcement Meta-Learning Framework for Adaptive Cloud Scheduling under Dynamic Workloads
本文提出了一种将目标演化与策略学习相结合的自演化智能体强化元学习框架，该框架能够针对动态工作负载自主调整云调度目标，并证明了其在延迟、成本和资源利用率方面相较于传统调度方法具有更优越的性能。
💻 计算机科学
Secure User Privacy Enforcement in IoT Through a Blockchain- Powered Identity Management System
本文提出了 SecureChain-ID，一种由区块链驱动的身份管理系统，该系统利用椭圆曲线密码学和零知识证明，为资源受限的物联网设备提供可扩展、安全且保护隐私的身份验证，同时通过去中心化治理消除单点故障。
💻 计算机科学
A Framework for Customer Needs Analysis: Integrating Dynamic Sentiment Lexicon Construction with Kano Model
本文提出了一种数据驱动的框架，该框架整合了引导式 BERTopic、动态领域自适应情感词典以及卡诺模型（Kano model），旨在客观地分析在线评论并确定产品改进的优先级，并通过对 8,970 条新能源汽车评论的评估进行了验证。
💻 计算机科学
Deep Reinforcement Learning-Based Dynamic Mode Selection and Power allocation for Clustered Vehicular Networks
本文提出了一种用于集群化车载网络中动态模式选择与功率分配的多智能体参数共享近端策略优化（PPO）框架，该框架通过对局部网络条件的自适应学习，在提高可靠性、降低延迟和减少发射功率方面显著优于传统的基准方法。
💻 计算机科学
Symbiotic Convolution Block (SCB): An Implicit Feature Recalibration without Attention-Mechanism for Efficient CNNs in Image Classification
本文介绍了共生卷积块（Symbiotic Convolution Block, SCB），这是一种轻量级的非注意力机制模块，通过融合卷积映射实现了隐式特征重校准与多样化，为图像分类任务提供了一种计算高效的注意力机制替代方案。
💻 计算机科学
Integrating Transformer-Derived Sentiment Signals with Technical Indicators for Emerging Market Direction Prediction: A NIFTY 50 Study
本研究提出了一种混合框架，该框架将能够有效捕捉金融新闻中中性情绪的微调 DeBERTa-v3 模型与技术指标相结合，与仅基于价格的基准模型相比，显著提高了 NIFTY 50 指数的方向预测准确度。
💻 计算机科学
GeoRel-CLIP: Boosting CLIP Zero-Shot Recognition via Geometry-Regularized Relational Distillation
本文提出了 GeoRel-CLIP，这是一个几何正则化的关系蒸馏框架，通过共同优化全局几何分布和局部关系结构，来增强 CLIP 的零样本识别能力，从而在后预训练阶段缓解模态间隙和表示崩溃问题。
💻 计算机科学
Data-Driven Contact-Configuration Recognition for Tendon-Driven Continuum Robots: An Explainable, Label-Efficient Framework with Application to Minimally Invasive Surgery
本研究提出了一种利用 CatBoost 和半监督学习的可解释、标签高效型机器学习框架，用于准确识别用于微创手术的腱驱动连续体机器人的接触构型，在有限标记数据的情况下实现了高性能，并确定法向力是实现更安全控制策略的关键特征。