💻 计算机科学
Quantifying the Effect of Synthetic Colour Fundus Photograph Scaling on Foundation Models
本研究表明，在基础模型预训练阶段扩展合成彩色眼底照相提供了一种可调控的策略，其中低容量补充可优化性能与计算量之间的平衡，而大容量补充则能显著增强外部泛化能力，且最优方法取决于具体的评估目标和可用的计算资源。
💻 Category
cs
3782 篇论文
💻 计算机科学
Rust Vulnerability Classification with WL-EnhancedLLVM-IR-Derived Code Property Graphs
本文证明了利用从 LLVM IR 衍生的代码属性图可以有效地对 Rust 漏洞进行分类，通过由 Weisfeiler–Lehman 特征增强的 XGBoost 模型实现了 78.81% 的平衡准确率，尽管该方法目前对图规模的变化表现出敏感性，并且需要进一步评估其在未见代码库上的泛化能力。
💻 计算机科学
Federated Learning in the Wild: A Comparative Study for Cybersecurity under Non-IID and Unbalanced Settings
本文系统地评估了各种联邦学习算法在非独立同分布（non-IID）和数据不平衡条件下检测 DDoS 攻击的性能、训练时间及通信开销，旨在为数据隐私和异构性是关键挑战的网络入侵检测识别出最优解决方案。
💻 计算机科学
From Packets to Tokens: A Transformer Framework for Real-Time Network Traffic Classification
本文提出了一种端到端的 Transformer 框架，该框架将网络流量视为一系列标记（tokens），以克服传统方法在分类加密及多样化互联网通信方面的局限性，在 ISCXVPN2016 数据集上实现了 93.11% 的准确率，并展示了实时应用能力。
💻 计算机科学
High Accuracy Fingerprint Recognition on FPGA Using a Dual Path Lightweight CNN
本文提出了一种轻量级的双路径卷积神经网络（CNN）架构，用于实现基于原始图像的高精度指纹识别，该架构在 Xilinx Virtex-7 FPGA 上实现了高效部署，并在优化资源与功耗的同时取得了卓越的性能。
💻 计算机科学
Resilient Loss Function Designed for the Pyramid Dilated Kronecker Network to Classify Rice Leaf Diseases
本文提出了一种结合了金字塔空洞克罗内克网络（PDKN）与一种新型谐波欧几里得平滑驯化损失函数（HaEST-Loss）的稻米叶片病害分类框架，通过一个包含反谐波平均滤波、基于LadderNet的分割以及高级特征提取的流水线，实现了高准确率（91.646%）。
💻 计算机科学
Lightweight Pure 3D Lung Nodule Detection and Segmentation Network with Asymmetric Feature Interaction
本文提出了 Light3D-NoduleNet，这是一种轻量级的纯 3D 网络，它利用非对称深度可分离卷积和双向特征交互模块，有效地克服了类别不平衡问题，并以较低的计算成本实现了高精度的肺结节检测与分割联合任务，适用于边缘侧部署。
💻 计算机科学
Baseline-relative evaluation of lap-time and tyre-degradation models for Formula 1 race strategy
本研究通过对 167,083 圈的数据进行分析，将一级方程式赛车单圈圈速与轮胎退化模型与严格的基准预测进行了评估，证明了其预测优势主要源于对相对于前一圈残差的建模而非绝对值，并指出构建公平的基准对于准确评估与策略相关的性能至关重要。
💻 计算机科学
MVMGNN: Multi-View Masked Graph Neural Network for Alzheimer’s Disease Diagnosis using Structural MRI
本文提出了 MVMGNN，一种多视图掩码图神经网络，该网络利用具有自适应掩码和门控融合机制的互补空间与特征图视图，旨在通过结构化 MRI 数据提升阿尔茨海默病的诊断能力与可解释性。
💻 计算机科学
Vision Foundation Models for Multi-Modal Medical Image Classification
本文表明，在多模态医学图像分类中，使用视觉基础模型（如 DINOv2 和 MedSigLIP）进行初始化，其表现显著优于随机初始化，尤其是在标注数据稀缺或影像模态缺失的情况下。