4157 篇论文
本文提出了 RL-Trust RPL，一种基于强化学习的自适应信任框架，该框架通过监测数据包交付和能量消耗等节点行为来检测并隔离恶意节点，从而缓解组播 RPL 网络中的汇聚攻击（sinkhole attacks），进而增强路由安全性和网络性能。
本文提出了一种结合轻量级 ResNet 模型与自定义遗传算法（GA）驱动优化方案的混合遗传算法与深度学习框架，旨在实现可充电无线传感器网络中快速、节能的簇头选择，从而显著延迟首个节点死亡时间，并在无需传统启发式方法迭代开销的情况下实现近乎实时的性能。
本研究提出了一种利用时空并行 Transformer（STPT）和聚类技术的大数据驱动的可扩展框架，旨在准确预测曼谷的交通事故及死亡人数，从而为增强城市道路安全提供基于证据的政策干预。
本文提出了 PHUE，一种渐进式难度感知欠采样集成方法，该方法通过动态选择决策边界附近的关键多数类样本并采用多指标加权集成，在不平衡数据分类任务中显著优于现有算法。
本文提出了动量引导的渐进式几何推理（MPGR）框架，该框架通过将任务重新表述为一个利用高阶统计建模来修复破碎几何结构并增强特征一致性的分布感知推理问题，解决了严重遮挡情况下的鲁棒 6D 位姿估计问题。
本文提出了一种基于图神经网络的框架，将团队运动建模为动态异构图，以预测进攻效率和防守阵型，并通过图强化学习和反事实推理来优化战术策略，证明了其在欧洲冠军联赛和 NBA 数据集上相较于现有基准模型的卓越性能。
本文评估了 YOLOv11 和 EfficientNetV2M 模型在不平衡的 HAM10000 数据集上进行皮肤肿瘤分类的表现，结果表明 YOLOv11 在高灵敏度筛查方面实现了更优的召回率（86.5%），而结合了 SVM 分类器的 EfficientNetV2M 则为精确分诊提供了更高的特异性（96.8%）。
本文提出了一种由五个专业化模型（QAFEN-CNN、VQTM-LSTM、QGCL-Net、QVAE-DD 和 QMRL-XAI）组成的综合性量子-经典混合框架，这些模型通过先进的量子特征纠缠、图构建和元强化学习技术，共同提升了金融欺诈检测的准确性、对动态生态系统的适应性以及监管可解释性。
本综述综合了关于不同计算环境下自主漏洞修复的新兴研究，将文献组织为六个关键流派和一个形式化闭环任务模型，旨在突出在部署用于安全系统修复的智能体 AI 和强化学习过程中的关键主题、操作安全机制以及显著的研究空白。
本文证实，即使在考虑人类工作的全生命周期资源足迹时，AI推理的单项任务能耗和水耗也比其所增强或取代的人类劳动力低出数个数量级。