3821 篇论文
本文引入了超图悬挂中心度（Hypergraph Dangling Centrality, HDC）作为一种基于扰动的顶点重要性度量，并利用其指导悬挂中心度引导的超边渗流（Dangling-Centrality-Guided Hyperedge Percolation, DC-HPC）框架，该框架在真实世界数据集上展现出优于基准方法的识别结构显著的重叠社区的能力。
为了解决配对可见光与热成像无人机图像中微小目标检测面临的空间失配和细节缺失挑战，作者提出了 FDMA-Net，这是一个新颖的框架，其特征在于一个用于跨模态特征对齐的四向 Mamba 对齐模块、一个用于保留精细空间细节的热红外细节增强机制，以及一个用于精确定位的中心-尺寸分布检测头，该框架在 RGBTDronePerson 和 VTUAV-det 基准测试上达到了最先进的性能。
本文提出了改进的多目标中心碰撞优化（IMOCCO）算法，该算法通过整合流形特征碰撞、质量恢复碰撞以及角稀疏性引导，在标准基准测试和工程应用中显著优于现有方法。
本文提出了 EEGGAN-SepH，这是一种基于 Transformer 的生成对抗网络，通过增强的可分离输出头来更好地建模局部 EEG 动力学，并结合一个使用 EEG 特有特征提取器的评估流水线，证明了其相比现有方法具有更优的数据保真度和效用。
本文通过对现有文献进行系统性综述，并提出 CAMI-DM 框架——一种将行为数据与文化语境及空间优化相结合的集成架构，旨在解决文化敏感型个性化方面的空白，从而实现在物理、数字及虚实结合（phygital）零售环境中具备自适应性且具备文化感知能力的商品化策略。
本研究提出并评估了一种双时间尺度概率状态空间框架，该框架将多模态情感信号与不确定性感知控制相结合，以提高类人机器人的响应能力，并通过蒙特卡洛模拟证明，与基准方法相比，门控卡尔曼滤波和置信度加权显示映射显著降低了估计误差和行为抖动。
本研究提出了一种利用 MobileNetV2 模型和 TensorFlow.js 的轻量级基于浏览器的系统，旨在实现完全在客户端对新鲜与腐烂农产品进行分类，准确率达到 98.46%，为无需服务器基础设施或专用硬件的资源受限农业环境提供了一种可扩展的解决方案。
本文提出了一种误差驱动的提示词优化框架，该框架将提示词微调视为一个离散时间反馈控制循环，并证明了其在金融推理任务上达到了与全量微调或 LoRA 相媲美的性能，同时消耗的能量显著低于后者。
MemHRL 提出了一种用于长程 LLM 智能体的层级化记忆与策略对齐框架，该框架采用层级感知检索和失效感知整合技术，但在受限的 ScienceWorld 和 WebShop 子集上的评估显示，其性能提升有限，并凸显了在受限提议下紧凑型策略-记忆机制所面临的挑战。
本文提出了一种用于数字孪生工作流的三层视觉抽象框架，该框架使领域专家能够在组合量子-经典混合子程序时，在组合阶段而非执行阶段强制执行关键资源约束（例如辅助比特预算和电路深度），从而在不暴露底层门细节的情况下，确保混合量子任务的物理可实现性。