Beyond Pheromones: Exploiting Edge Frequency and Quality for Intelligent TSP Optimization
本文提出了四种新的启发式技术,包括 BEFRA 和 BEQRA,这些技术利用未被充分利用的边缘频率和质量信息,显著增强了蚁群优化算法在解决对称旅行商问题上的性能和鲁棒性。
2341 篇论文
本文提出了四种新的启发式技术,包括 BEFRA 和 BEQRA,这些技术利用未被充分利用的边缘频率和质量信息,显著增强了蚁群优化算法在解决对称旅行商问题上的性能和鲁棒性。
本文提出了一种结合 SHAP 的混合 LSTM–LightGBM 框架,用于在 5G 和 IoT 网络中进行可解释、实时的多类 DDoS 攻击检测,并在 CICIDS2017、CIC-DIAD2024 和 CICIoT2023 数据集上展示了卓越的准确性和鲁棒性。
本文提出并评估了一种专门针对订阅制支付服务设计的基于人工智能的欺诈检测系统,证明了在涵盖六种不同欺诈类型的合成数据集上,一种混合了 XGBoost 与 Bi-LSTM 的架构在多个指标上均优于独立模型,同时明确承认这些结果仅作为概念验证证据,而非经过验证的真实世界表现。
本文介绍了一种受 T 细胞识别机制启发的新型深度学习架构——免疫突触网络(Immunological Synapse Network, ISN),该架构通过动力学校检(kinetic proofreading)过滤瞬态信号,从而有效地检测时间序列数据中持续存在的微弱异常,在由时间连续性而非瞬时幅度定义的任务上表现优于标准模型。
本可行性研究评估了经典机器学习与深度学习模型在加纳会计师长部财务报告上的表现,结果显示,尽管经过微调的 XGBoost 实现了完美的类别分类,但随后的消融实验表明关键词特征显著夸大了这些结果,从而强调了在公共部门背景下部署此类工具之前进行严格特征验证的至关重要性。
本文提出了 Gdlcn–dsbo,这是一个结合了图依赖标签卷积网络(GDLCN)与深度调度蝴蝶优化算法(DSBO)的混合框架,旨在优化多目标云资源与任务分配,从而在动态物联网环境中提升系统效率、降低成本并确保公平性。
本文提出并合成评估了一套针对资源受限型中小企业中弹性数据流水线的七种设计模式候选模式语言,通过故障注入实验证明,与标准基准相比,这些模式能有效应对特定的故障模式——例如重复、模式漂移和静默数据丢失——同时明确承认本研究作为一种基于原型且未经实地验证的贡献所具有的局限性。
这项研究表明,大语言模型评分者的选择显著影响了对 AI 生成生物医学摘要的忠实度和安全性合规性的测量结果,不同模型的误差率差异可达四倍,并导致对摘要质量得出截然不同的结论。
本文介绍了 Dec-GRPO,一种拜占庭容错的去中心化群体相对策略优化框架,该框架通过集成参考逻辑值过滤、声誉加权选择、Multi-Krum 聚合以及自适应长度惩罚优势,来防御领域投毒和推理膨胀攻击。
本文表明,模块化循环系统中持久的共享状态具有选择性优势而非普遍优越性,其变得至关重要,特别是在任务相关信息必须既跨越模块边界又在外部可用性结束后仍能持续存在的情况下。