3821 篇论文
本研究对三种轻量级卷积神经网络（MobileNetV2、MobileNetV3-Small 和 EfficientNet-B0）在四种玉米叶片疾病自动分类中的表现进行了对比评估，结果表明 EfficientNet-B0 以 96.96% 的准确率和 99.82% 的 ROC-AUC 取得了最高性能，同时兼顾了用于潜在移动端部署的计算效率。
ChunkGuard 是一个采用分块级 AES-128-CTR 加密和 HMAC-SHA256 完整性校验来保护数据机密性并检测篡改的用户态安全文件存储系统，在实现功能性安全的同时，识别出磁盘 I/O 是其主要的性能瓶颈。
本文提出了一种硬约束物理信息极限学习机（PIELM），该方法通过提升项将狄利克雷边界条件直接嵌入试函数中，从而消除了最小二乘系统中的结构性不平衡，实现了机器精度级的边界满足，并使相对 L² 误差较标准软约束形式降低了高达七个数量级。
本研究通过专家评分评估了四个大型语言模型在骨科患者问题上的临床质量，发现其表现普遍较高且模型间无统计学显著差异，同时表明尽管在自动化质量预测方面存在局限性，但结合自然语言处理和语义特征可以弱预测专家评分的准确性。
本研究对一种用于中低收入国家纳税人咨询的检索增强生成框架进行了概念验证评估，证明了对国家所得税立法的语义检索在识别法定条款以支持基于事实的语言模型提示方面可以达到高准确度，同时也强调了在部署前需对生成质量和法律合规性进行进一步验证的必要性。
本文提出了一种新颖的结构化事件日志格式，其具备遥测覆盖率、保真度选择、生成时间一致性以及相关性特征，旨在克服基于语言模型的安全事件分析中表现不一致的问题，并证明了与现有格式相比，该格式在各种模型上均展现出了显著提升且一致的结果。
本文提出了零初始化残差融合（ZIRF），这是一种轻量级的跨层模块，通过零初始化残差和门控机制将多尺度特征直接集成到检测输出中，以缓解小目标检测中的语义稀释问题，从而在 SODA-D 和 VisDrone 等数据集上提高平均精度（mAP），且不改变基准模型的初始输出。
为了克服水下文化遗产检测中数据稀缺和颜色失真等挑战，本文引入了 WRF 数据集和 UCH-Net，这是一种物理引导的双流检测器，通过有效地融合 RGB 和深度信息，显著优于现有的基准模型。
这项利用 NK 地景进行的计算研究表明，尽管大多数网络重构规则都无法改善组织搜索，但在高度复杂的题目环境中，由设计者发起的基于阶段的重构能显著提升性能。
本研究表明，将检索增强生成与知识图谱落地相结合，通过与未落地或单一方法相比，显著减少了幻觉并提高了证据的可追溯性，从而大幅增强了大语言模型在患者安全推理中的事实正确性、安全性及临床实用性。