2336 篇论文
本研究提出了一种自动睡眠障碍分类系统，该系统利用正则化 XGBoost 算法分析来自单导联 ECG 信号的多特征形态学，在区分呼吸暂停事件方面实现了高准确率 (96.1%)、特异性 (100%) 和敏感性 (92.1%)。
本文提出了一种统计引导的局部-全局混合学习框架，该框架将优化的 YCbCr 特征与一种新颖的 3SH–VSS 架构相融合，通过同时对局部压缩伪影和全局篡改依赖关系进行建模，从而有效检测压缩深度伪造视频，并在不同数据集上实现了卓越的性能和泛化能力。
本文介绍了一种用于评估预测混凝土浇筑生产率损失的机器学习模型的、可复用的合成基准测试，揭示了当前的胜任模型无法充分捕捉严重的损失情况，并强调了对标准化、经现场验证的评估协议的需求。
本研究表明，一种混合 CNN–LSTM 深度学习模型在通过静息态 EEG 信号检测精神分裂症方面显著优于单一的 CNN，其准确率达到了 92.03%，并凸显了整合时间序列学习对于客观诊断的价值。
本系统综述通过提出一种统一了操作码 Transformer、控制流图同构网络和系统调用嵌入的三模态对比二元分析框架，旨在合成零日恶意软件检测领域的最新进展，从而在面对复杂的代码混淆时实现超过 98.5% 的鲁棒检测准确率。
本文提出了 TPCT，一种新型的拓扑感知 Transformer 框架，该框架通过将几何与对偶图拓扑特征与面积自适应采样相结合，在识别 B-rep CAD 模型中复杂的几何特征方面达到了最先进的精度。
本研究提出了一种基于灰狼优化算法并由互信息进行精细化改进的特征选择框架，旨在有效降低社交媒体机器人检测中的特征空间，并在一个包含 8,386 个账号的数据集上，利用 XGBoost 实现了 98.87% 的分类准确率。
本文介绍了上下文标记旋转集成（Contextual Token Rotation Ensembles, CTRE），这是一种新颖的表格学习框架，通过将基于 Transformer 的上下文标记表示与数据自适应、交互感知的特征旋转相结合，增强了集成的多样性与鲁棒性，在处理高维及不平衡数据集时表现优于经典方法。
本文提出了一种分层协同进化多目标人工雨滴算法（HCMOARA），该算法集成了拉丁超立方采样、具有专门搜索策略的分区子种群以及自适应流因子更新机制，以有效地优化柔性作业车间调度问题中的完工时间、能耗和成本。
本研究提出了一个整合了自然语言处理（NLP）、降维和聚类算法的机器学习框架，用于分析一所大学的研究组合，揭示了工程与自然科学学院在预算中的主导地位，并识别了在 33.4% 的高风险项目配置下进行战略调整的重大机遇。