Extended Compositional Learning Algorithm for Synchronous Parallel Automata
本文提出了一种针对同步并行自动机的扩展组合学习算法,该算法放宽了对同步动作的严格全局唯一性假设,从而能够以显著少于单体方法的资源,实现从现实黑盒系统中对组件模型进行可扩展且正确的提取。
2305 篇论文
本文提出了一种针对同步并行自动机的扩展组合学习算法,该算法放宽了对同步动作的严格全局唯一性假设,从而能够以显著少于单体方法的资源,实现从现实黑盒系统中对组件模型进行可扩展且正确的提取。
本文介绍了 TAH-GAN,这是一种结合了傅里叶时间编码和双门控质量控制的时间感知混合生成对抗网络,用于生成面向未来的 Android 恶意软件样本,有效地解决了时间概念漂移问题,并且与现有的非时间性基准模型相比,实现了更高的规避率和更强的时间相干性。
本研究提出了一种两层堆叠集成框架,该框架整合了来自 ResNet152、DenseNet121 和自定义 CNN 的特征,通过 PCA 进行处理,并由 SVM 和 XGBoost 进行分类,旨在通过对阿尔茨海默病进行四分类 MRI 扫描诊断实现近乎完美的准确率(0.9997),显著优于现有的最先进基准模型。
本文解构了深度生成模型在不平衡恶意软件分类中生成机制、增强预算和覆盖范围的影响,发现虽然大多数因素带来的性能增益微乎其微,但增加增强预算能为 RBF-SVM 分类器提供微小但可复现的改进,从而凸显了在评估数据增强策略时实验设计的重要性。
本文提出了 MARS-Agent,这是一个具有双重触发式 RAG 机制和“验证-自适应-重规划”循环的检索增强多智能体框架,旨在通过实现闭环、自纠错的审议机制,以增强跨境电子商务供应链应对异构扰动的韧性。
本文介绍了一种内存高效的对比学习框架,该框架通过流式计算并动态选择固定预算的难负样本,消除了稠密相似度矩阵带来的二次方内存瓶颈,从而在保持优化有效性的同时,使受限硬件能够支持显著更大的批次大小。
本文通过对 15 个开源项目的 8,207 个提交进行基于大语言模型辅助的分析,呈现了对 JNI 代码异味以关注点为中心的实证评估,揭示了现有的异味定义仅覆盖了 36.5% 的开发者维护关注点,并提出了三种新的异味定义以填补识别出的空白。
本研究表明,虽然像 ALEAPP 这样的 Android 取证解析器中受控的架构与表示漂移经常导致证据不完整或被误读,但这些工具未能提供取证人员可见的故障诊断,从而凸显了对优先考虑失败透明度而非仅仅是恢复准确性的验证框架的紧迫需求。
本文表明,线性注意力机制和状态空间模型中短因果深度卷积(short causal depthwise convolution)施加了一个硬性的、不可降解的限制,即限定了查询(query)的哪些部分可以用于调节检索,导致当关键信息落在这一狭窄窗口之外时,模型会自信地生成错误的答案,这种失效在浅层架构中持续存在,但可以通过更深层的架构或更大的卷积核来缓解。
本文提出了一种用于类人机器人的鲁棒视觉重定位框架,该框架通过将混合专家架构(Mixture-of-Experts)与层次化知识蒸馏相结合,旨在应对视角剧烈变化和自遮挡等挑战性条件,从而实现精确、稳定且高效的 6 自由度位姿估计。