929 篇论文
本文提出了 TDF-LSTGBM，一种新颖的两阶段混合架构，该架构从堆叠式 LSTM 的倒数第二层提取时间特征，并将其与消费者及时间属性相结合用于梯度提升机，从而在针对五类消费者的多粒度智能电网电力需求预测中，实现了比传统 LSTM 和 ARIMA 模型显著更高的准确率。
GraphGarment 是一个数据高效的 sim-to-real 框架，它将一个在仿真中训练的图神经网络与一个轻量级的残差修正器相结合，通过极少的真实世界数据来准确预测服装动力学，从而实现稳健的机器人挂衣。
本研究提出了一种统一且可解释的深度学习框架，该框架集成了基于 ResNet50 的微观结构分类与基于 YOLOv8 的表面缺陷检测，并结合基于规则的严重程度评估，旨在为钢铁制造实现稳健、可解释且自动化的质量控制。
本文提出了一种利用织物纹理来计算方向性热扩散与收缩梯度的纱线级模拟方法，从而能够精确地生成传统表面级模型无法捕捉的复杂热失稳、扭转以及非均匀皱褶行为。
AUDIT-AI 研究是一项预注册的三臂诊断准确性审计，旨在量化商业 AI 文本检测器是否系统性地将来自非英语母语机构的长篇科学文献误分类为 AI 生成，并将其与母语作者的作品及经证实的 AI 改写作品进行对比。
本综述将多元时间序列预测中的记忆机制形式化为保留状态、访问函数与更新函数之间的交互，并将近期文献归纳为架构、检索与演化三大类别，旨在识别开放性挑战并为设计可审计且具自适应性的预测系统提出路线图。
本文提出了一种新型轻量级卷积 Transformer 模型，该模型利用多教师分层渐进式知识蒸馏和定向压缩技术，在保持高精度和低内存消耗的同时，实现有效的监控视频压缩与质量增强。
本文介绍了 PV-YOLO，这是一种针对 YOLOv8n 进行的轻量化协作改进，通过四个定制模块显著提升了光伏电池微缺陷检测的准确率和召回率，同时降低了计算开销，使其能够在无人机上实现 140 FPS 的实时边缘检测。
本文展示了在 Isabelle/HOL 中对 2025 年确定性 SSSP 算法所基于的 BMSSP 递推关系的首次机器检查形式化，在不依赖公理或未经证明的假设的情况下，为该算法在无界图族上的 运行时复杂度提供了一个非空虚的、规模参数化的证明。
本研究表明，在字母表受限且数据稀缺的工业字符分类任务中，EfficientNet-B0 的表现优于包括 Vision Transformer 在内的其他深度学习架构，凸显了卷积归纳偏置在此类受限环境中的持续优势。