2305 篇论文
本文提出了 KG-GNN-IPR 模型，该模型通过有效利用异构教育数据和多跳技能互补性，将知识图谱与图神经网络相结合，以增强跨学科学生创新创业项目推荐的准确性、鲁棒性和可解释性。
本文提出了一种用于微小目标检测的联合优化框架，该框架结合了用于防止表示崩溃的零损耗特征校准（ZFC）和用于自适应查询分配的统计边界分配器（SBA），在 AI-TOD-V2 和 VisDrone-DET2019 上实现了最先进的性能，同时显著降低了计算成本。
本文介绍了 ESLA，这是一个结合了经验预测一致性和语义表示，旨在对齐多个源域中异构命名实体识别标签的框架，从而实现向无需目标侧训练监督的无标签目标域进行有效的跨域迁移。
本研究引入了多尺度高效注意力卷积网络（MSEACN），这是一种基于 EfficientNetB7 和双重注意力机制的深度学习模型，通过对 PANDA 数据集进行前列腺癌自动格里森分级，实现了 97.69% 的准确率和 0.98 的 Cohen's Kappa 分数，达到了最先进的性能。
本文提出了傅里叶双门物理信息神经网络（FDG-PINN），该网络集成了多尺度傅里叶特征编码、双门架构以及自适应损失权重，旨在克服谱偏差和梯度不平衡问题，从而在求解多尺度偏微分方程及重建复杂时空温度场方面实现卓越的精度。
本文提出了一种利用自然语言处理技术从用户需求中自动生成可执行源代码的特定领域专家系统，证明了限制应用范围能显著提高所生成程序的准确性和可靠性。
本文提出了一种利用新型对比度拉伸卷积神经网络（CSCNN）模型和先进图像预处理技术的自动化数字病理学框架，用于准确分类和分级舌肿瘤组织，实现了98%的准确率，超越了现有的最先进迁移学习模型。
本研究提出了一种注意力引导的迁移学习框架，该框架将混合通道-空间注意力机制与 EfficientNet-B2 架构相结合，旨在实现基底细胞癌自动化病理诊断的高准确性、鲁棒性和可解释性。
本文提出了“对话式认识论审计”（dialogical epistemic auditing），这是一种定性框架，用于追踪大型语言模型在对话轮次中如何维持或改变其推论承诺，并通过一系列案例研究表明，模型往往表现出不对称的一致性，即在保留未经证实的叙述的同时撤回事实性主张。
本研究分析了 3,837 条 Zenodo 软件引用，旨在证明尽管即使在源代码仓库变得无法访问时，大多数存档文件仍保持可访问性，但很大一部分失效引用源于失效的仓库指针而非软件丢失，从而强调了仓库可用性与存档完整性之间的关键区别。