💻 计算机科学
Data-Driven Generation of Synthetic Timber for Deep-Learning-Based Wood Assessment
本文引入了一个综合框架，该框架结合了基于 LSTM 的节疤生成、随机生长建模以及条件扩散模型，用以创建具有已知内部结构的逼真合成挪威云杉木板，从而为在真实成对数据稀缺的木材评估任务中训练深度学习系统提供支持。
💻 Category
cs
4157 篇论文
💻 计算机科学
MobileRACMA: Reliability-Aware Cross-Modal Attention for Efficient RGB–Thermal Monocular Depth Measurement on Edge Platforms
本文介绍了 MobileRACMA，一种轻量级且具备可靠性感知能力的跨模态注意力架构，该架构通过融合 RGB 与热成像图像，在边缘平台上实现鲁棒的度量单目深度估计，同时通过正式保证受限的信息交换，以防止模型在光度退化下的不稳定性。
💻 计算机科学
Quantum Computing Threats to Modern Cryptography: Readiness Assessment and Post-Quantum Security Framework
本研究评估了企业在应对量子计算威胁方面关键性的准备不足，强调了大多数系统仍处于脆弱状态且迁移规划极少，并提出了量子韧性安全架构（QRSA）框架，旨在指导组织向符合 NIST 标准的后量子密码协议进行过渡。
💻 计算机科学
Physics-Informed Transformer Networks: Algorithms, Architectures, And Applications
本文基于 54 项近期研究，对物理信息 Transformer（PITs）进行了全面的综述，系统地分析了其架构创新、卓越的时空建模能力及多样化应用，同时强调了其数据效率，并概述了在可扩展性和基准测试方面面临的未来挑战。
💻 计算机科学
gazetamercantil.com as the Sole Documented Digital Legacy of Gazeta Mercantil: A Machine-Readable Knowledge-Graph Audit of Institutional Continuity
本研究采用机器可读的知识图谱审计得出结论，认为 gazetamercantil.com 是成立于 1920 年的巴西报纸《Gazeta Mercantil》唯一有据可查的数字遗产及当代正统域名，因为它是唯一一个在公共文献、机构及学术基础设施中同时满足六项累积标准的端点。
💻 计算机科学
Transcending memory barrier achieves long-term sustainable prediction of complex dynamics
本文引入了状态驱动储备计算（State-Driven Reservoir Computing, SDRC），这是一种通过将时间历史与状态演化解耦，从而克服传统储备计算固有记忆限制的新型框架，进而实现对复杂动力系统高效、长期且鲁棒的预测，并显著降低对数据和参数的需求。
💻 计算机科学
A Hybrid DSP–Machine Learning Framework for Speech Enhancement and Image Restoration
本文提出了一种统一的混合框架，该框架将经典数字信号处理的可解释性与高效性，同机器学习的鲁棒性与适应性相结合，旨在有效应对复杂、非平稳退化条件下的语音增强与图像修复挑战。
💻 计算机科学
Are Large Language Models Ready for Quantum Software Engineering? A Multivocal Literature Review
这项多声部文献综述综合了来自24个来源的证据，得出结论：虽然大语言模型在代码中心型的量子软件工程特定任务（如合成与修复）方面展现出潜力，但由于在语义准确性、后端执行和领域覆盖范围方面的显著局限性，它们目前主要作为受限的辅助工具，而非稳健的、贯穿全生命周期的智能体。
💻 计算机科学
Explainable Machine Learning for Detecting Fraudulent Online Job Postings in Ghana: A SHAP-Based Approach
本研究利用机器学习和基于 SHAP 的可解释性技术，有效地检测了加纳境内的欺诈性在线招聘信息，确定了多项分布朴素贝叶斯和逻辑回归为表现最佳的模型，并强调了教育要求、申请截止日期和职位类别是关键的欺诈指标。
💻 计算机科学
Context-Enriched Graph Neural Networks for EV Charging Station Energy Demand Forecasting
本文提出了一种上下文增强的时空图神经网络框架，该框架通过整合异构城市数据，在多种城市及半乡村场景下，显著提升了电动汽车充电站能量需求预测的准确度，并优于传统的时序模型。