cs 篇论文 | Gist.Science

本文提出了一种面向言语障碍人士的端到端实时智能家居控制系统，该系统集成了基于卷积神经网络（CNN）的手势识别模型、OpenCV 推理流水线以及模块化动作层，旨在将实时摄像头输入转化为可执行的设备指令。

本研究引入了一种基于专家理论（Theory of Expertons）的不确定性感知评估框架，用于评估专门旅游语料库中的主题模型，证明了经由大语言模型（LLM）增强的 BERTopic 优于传统及神经方法，并揭示了解码温度对可解释性的显著影响。

本文提出了一种通用的、低成本的后优化元启发式算法，该算法通过从精英解集中迭代生成并改进后代，增强了多起点算法，并在相当的运行时间内，成功提升了所有 48 个测试的平面 p-中值实例的最佳已知结果。

本文提出了一种基于 Tsallis–Gaussian 扰动和双头神经网络架构的鲁棒分数生成模型框架，旨在有效减轻重尾数据和污染的影响，同时保持具有竞争力的生成性能。

本文提出了一种用于工业异常检测的框架，该框架结合了用于克服边界信息丢失的冻结 DINOv3 骨干网络与多视图补丁推理策略，以及用于建模正常特征分布的多尺度重构融合 Transformer，在多个基准数据集上实现了最先进的性能。

本文提出了 LAR-Net，这是一种基于 LitePT 主干网络的轻量级自适应感受野网络，该网络能够根据局部几何复杂性进行动态调整，以实现对反应器内壁药物沉积的高精度点云分割，从而克服传统检测方法的局限性，并实现自动化智能清洗。

本文介绍了 KinderMM-Cap，这是一个专门用于早期儿童教育的多媒体描述生成系统，它利用 ECAC 基准测试和一种新颖的奖励条件混合训练框架 (RSRS)，显著提高了针对复杂课堂场景和教学玩具生成具有教育意义描述的准确性。

本文提出并严格评估了 TW-DP-FedAvg，这是一种专为泰米尔纳德邦农村地区医疗保险领域定制的隐私保护联邦学习框架，证明了尽管差分隐私与集中式训练相比会产生可衡量的准确度损失，但该方法在印度新的数据保护法规下仍具有统计等效性且具备可行性。

本文介绍了一种用于空间海洋管理的创新型母船与多无人机路径规划问题，并提出了一种元启发式解法，该解法与精确算法相比，在显著缩短计算时间的同时实现了接近最优的结果，从而为珊瑚礁修复等应用中的实际规模协同作业提供了可能。

本文介绍了 Meta-PPO，这是一种轻量级的元控制框架，它能够根据训练统计数据在线动态调整 PPO 的超参数，并证明了与标准 PPO 相比，该框架在多个连续控制基准测试中具有更高的性能、效率和鲁棒性。