💻 计算机科学
GRAD-Net: A Unified Pathology-Guided Framework for Automated Diabetic Retinopathy Grading
本文介绍了 GRAD-Net，这是一个统一的病理引导深度学习框架，它通过整合病灶感知注意力机制和多尺度特征聚合，在自动化糖尿病视网膜病变分级中实现了最先进的准确率和临床可解释性。
💻 Category
cs
4157 篇论文
💻 计算机科学
CRC-LS-MOCBO: Safe multi-objective causal Bayesian optimization under uncertain causal structures
本文引入了 CRC-LS-MOCBO，这是一种序列多目标因果贝叶斯优化框架，通过整合候选图不确定性、稳定性加权先验以及符合性风险校准，在确保不确定因果结构下干预安全性的同时，最小化约束违规并最大化目标增益。
💻 计算机科学
Low-Cost Real-Time Earthquake Detection and Early Warning System Using IoT, Embedded Machine Learning
本文提出了一种低成本、实时的地震预警系统，该系统利用物联网硬件（ESP32、GPS、GSM）以及基于历史地震数据训练的嵌入式机器学习模型来检测模式，并即使在网络连接受限的地区也能通过短信即时提醒用户。
💻 计算机科学
HybridPII: A Tunable High-Recall Ensemble for Automated PII Detection and Privacy Risk Assessment in Compliance-Critical Applications
本文介绍了 HybridPII，一种可调优的混合集成模型，该模型结合了加权正则表达式和多模型命名实体识别（NER），以实现卓越的召回率用于自动化 PII 检测，专门解决了在合规性至上的隐私应用中最小化漏报（false negatives）这一关键需求。
💻 计算机科学
Weak-topological neural operators for certificate-guided physical prediction
本文介绍了弱拓扑神经算子（Weak-Topological Neural Operators, WTNO），这是一个通过将状态预测器与几何、拓扑及弱测度证书相结合，从而增强偏微分方程神经算子选择的框架，旨在确保在涉及界面、拓扑变化及罕见事件的情景下实现稳健的物理预测。
💻 计算机科学
Toward a Theory of Semantic Fixed Points: Evidence from Iterative Language Model Self-Refinement
本研究提供了经验证据，表明迭代式语言模型自我完善在多种架构和目标下始终收敛于稳定的语义不动点，这暗示存在一个潜在的能量景观，其中自我改进扮演着一种隐式优化过程的角色。
💻 计算机科学
Educational usability Analysis of WEKA and Orange for Learning Data Mining: A Task-Based Comparative Study with Students Feedback
本研究通过基于任务的比较和学生反馈，评估了 WEKA 和 Orange 对初学者数据挖掘学习的教育可用性，结论指出由于 Orange 具有直观的可视化工作流和用户友好的界面，其更具成效。
💻 计算机科学
From Programs to Predictions: A Scalable, Multilingual Platform for Automated Evaluation of Machine-Learning Olympiads
本文介绍了 MLCompete，这是一个可扩展、多语言的 Web 平台，旨在通过异步、与指标无关的流水线以及安全的两层执行环境来评估机器学习奥林匹克竞赛，并通过在罗马尼亚国家人工智能奥林匹克竞赛中的成功部署及国际参与，证明了其鲁棒性和可靠性。
💻 计算机科学
Dual-Guidance Framework for Semi-Supervised Semantic Segmentation via Uncertainty and Prototypes
本文提出了一种用于半监督语义分割的双重引导框架，该框架结合了不确定性感知动态伪标签细化模块和类原型对比引导模块，以共同细化预测并正则化特征表示，在 PASCAL VOC 2012 和 Cityscapes 基准测试上实现了最先进的性能。
💻 计算机科学
Trustworthy AI for Marketing Measurement: A Systematic Review of Attribution, Media Mix Modeling, and Privacy-Preserving Methods
这项针对108项研究（2010–2026）的系统综述通过提出一个“测量—验证—保护”框架，分析了人工智能如何重塑营销度量，该框架旨在平衡深度学习与神经媒体组合模型所带来的增强预测能力，以及隐私保护技术所带来的因果局限性与准确性成本。