💻 计算机科学
StrokePlan-RNN: Predicting Ordered Drawing Procedures from Face Line Art
本文介绍了 StrokePlan-RNN，这是一种以图像为条件的自回归模型，通过在一个新构建的数据集上进行训练，该模型成功地从静态面部线条画中预测有序的笔画序列，在实现高几何准确度的同时，也强调了改进过程性评估指标的必要性。
💻 Category
cs
4157 篇论文
💻 计算机科学
Adaptive Training Controller (ATC): An Autotuning Framework for CNN-Based Plastic Waste Classification Using the PLASTIC Dataset
本文通过引入一个新的领域特定 PLASTIC 数据集并提出自适应训练控制器（ATC）——一种超越了 Optuna 等现有工具、在实现 ResNet101 高达 94.89% 准确率的同时降低了计算资源需求的与架构无关的自动调优框架——来解决塑料垃圾分类的挑战。
💻 计算机科学
Can a Large Language Model Serve as the Missing Second Reviewer? Prominence Bias, Retrieval Effects, and a Confidence-Fabrication Gap in an Empirical Evaluation of Two Published Meta-Analyses
这项实证评估表明，尽管大语言模型在配备检索工具时能够识别出人类审查员遗漏的真实错误并显著提高研究召回率，但由于存在显著性偏差、跨论文混淆以及虚构不存在的不一致性等持续性问题，它们仍然无法成为人类验证的可靠替代品。
💻 计算机科学
Cyber-Physical Orchestration of Emergency Department Services Through a Bidirectional Digital Twin and a Deep Reinforcement Learning Agent: Architectural Design, In SilicoValidation, and Critical Analysis of Performance Under Demand Stress
本文提出并验证了一种集成双向数字孪生、深度强化学习智能体以及可解释人工智能层的信息物理架构，用于优化急诊科调度，在证明其能显著降低高需求压力下的峰值占用率的同时，也批判性地揭示并解决了验证过程中出现的特定仪器伪影问题。
💻 计算机科学
The Machine Proposes. The Proof Disposes: Neuro-Symbolic Synthesis of Formally Verified Markov Usage Models from Natural Language Requirements
本文介绍了神经符号 MBST，这是一个通过集成 L* 学习、语法约束的大语言模型以及凸优化，将自然语言需求自动合成形式化验证的马尔可夫使用模型，从而实现高保真故障检测与覆盖率，在显著超越纯神经基准模型的同时，消除了安全关键系统中人工建模瓶颈的框架。
💻 计算机科学
Interactive Query based Abnormal Events Synopsis Generation in Surveillance Video
本文提出了一种用于生成监控视频中异常事件摘要的交互式查询算法，该算法利用基于规则的分类器来处理复杂的用户查询，并引入了一种“改进重叠率”指标进行评估，证明了在 PETS09 数据集上其准确性和质量均优于现有方法。
💻 计算机科学
A Study on the Continuous Generation of Test Cases for Large Language Models with Project Memory
本文提出了一种基于大语言模型（LLM）的测试用例生成方法，该方法通过一个集成了历史数据和发布上下文的项目记忆库进行增强，旨在显著提高大规模软件系统的风险覆盖率、减少重复并增加缺陷发现。
💻 计算机科学
A Preliminary CNN Baseline for Breast Ultrasound Classification in MATLAB, with Exploratory IDC/ILC Labels: Toward Explainable Breast Imaging AI
本文利用 BrEaST 数据集，建立了一个基于 MATLAB 的初步 CNN 基准模型，用于乳腺超声图像的恶性与非恶性二分类任务，在提高测试准确率的同时，明确将探索性的亚型标记和可解释性设定为未来的研究方向，而非已验证的结果。
💻 计算机科学
Modular Differentiable Explanations for Markov Disease Models: A Transparent Framework for Clinical Decision Support
本文提出了一种模块化可微编程框架，该框架通过将转移率分解为具有临床意义的因子、通过随机自动微分计算其敏感性，并实时生成可追溯的自然语言解释，将可解释性直接集成到用于临床决策支持的连续时间马尔可夫链模型中。
💻 计算机科学
Exploring Functional Shifts in Pos Tagging Across Various NLP Libraries: A Study of NLTK, spaCy and Textblob
本研究比较了 NLTK、TextBlob 和 spaCy 在处理由功能转换引起的花园路径句中的表现，发现 spaCy 在句法准确性方面显著优于其他两个库，并为改进包括针对非洲语言的 NLP 工具在内的工具提供了见解。