929 篇论文
本文提出了一种混合可解释深度学习框架（HEDLF），该框架通过整合 CNN、BiLSTM 和注意力机制，并结合多传感器融合与基于 SHAP 的可解释性，以实现工业物联网系统的高精度预测性维护和物理可解释性，并在 NASA C-MAPSS 和 IEEE PRONOSTIA 基准测试上通过卓越的性能得到了验证。
这项针对 2010 年至 2026 年间发表的 22 项研究进行的系统综述得出结论，虽然可学习的 Gabor 和小波滤波器为乳腺癌影像分类提供了具有可解释性且参数高效的改进，但在将它们共同集成用于多类放射学和病理学分期方面，仍存在显著的证据空白。
本文提出了一种蒸馏边缘智能框架，该框架结合了两阶段知识蒸馏策略与置信度感知边缘-云协同推理机制，旨在资源受限的通信塔设备上实现高精度的螺栓缺陷检测，同时显著降低云端上传率和延迟。
本研究提出并验证了一种结合 YOLOv8 检测与 DenseNet121 分类的分层深度学习框架，旨在实现挑战性热带野外条件下稳健的菠萝病害检测、类型化及空间可视化，并证明了在盲测中与单阶段方法相比具有更高的准确率与置信度。
本文提出了一个计算框架，通过将概念边界定义为潜在语义空间中的几何区域，将“跳出框框思考”这一隐喻形式化，从而能够通过一种主题归一化的几何距离度量来衡量创造性偏差。
本文介绍了 SBC-AND，这是一个由 442 条葡萄牙语科学出版记录组成的精选数据集，旨在解决作者姓名消歧研究中非英语语言代表性不足的问题，并作为一个具有挑战性的基准，用于评估多语言消歧模型。
本文提出了一种针对跨境电子商务的状态感知多模态推荐排序模型，该模型显式地对六种运营状态下的短期用户意图转移进行建模，并在新引入的包含4200万条记录的CEMR-42M数据集上，与现有基准模型相比，在跨类别和低频物品推荐方面取得了卓越的性能。
本研究引入了 MDQ-3L 框架，用于对空气污染预测中的经典、深度及量子机器学习模型进行基准测试，揭示了虽然在 NISQ 约束条件下，像 CatBoost 和 DBN 这样的经典模型目前仍优于量子方法，但所提出的多指标评分系统能有效识别结构性局限，并为未来混合环境建模中低纠缠量子电路的选择提供指导。
本文提出使用低资源 CUT-GAN 来生成合成乳腺 X 线摄影切片，以用于在资源受限的环境下训练深度学习模型，并证明了虽然合成数据相比于无数据能提高模型性能，但目前其准确率（0.751 AUC）仍低于使用真实图像进行训练的准确率（0.913 AUC）。
本文提出了一种具有集成 gshare 分支预测器和独立于主机的 FPGA 内置 VGA 可视化单元的可综合五级 RV32IM 流水线，该流水线在实现实时流水线内省和位精确功能验证的同时，实现了相比静态基准 2.33 倍的性能提升。