2351 篇论文
本文提出了一种新型混合深度学习框架，该框架集成了 3D-CNN、Bi-LSTM 和 Transformer 架构，并结合自适应阈值模块与多目标损失优化，旨在通过显著降低不同环境条件下的误报率，实现视频监控中达到最先进水平的实时异常检测。
CEGNN-Fraud 是一种可扩展的异质时序图神经网络，它通过一个事件条件可靠性门控和一个用于基于证据的风险报告的受限大语言模型来增强金融欺诈检测，证明了其在准确性、鲁棒性和泛化能力方面优于现有基准模型的性能。
本文介绍了 DMAP-RAG，这是一个通过集成树状结构的双存储架构和个性化智能体决策，以在多轮对话连贯性和用户满意度方面实现具有竞争力的性能，从而增强检索增强生成（RAG）的框架。
本文对七种用于 T1-CE MRI 脑肿瘤分类的预训练深度学习模型进行了对比分析，结果表明，在结合多种数据增强技术和优化器进行训练时，VGG-16 达到了最高准确率（92.45%），同时利用 Grad-CAM 增强了模型的可解释性。
本文介绍了一种新颖的自愈架构，该架构通过将多层验证与高效的基于句子的细化过程相结合，能够自主检测并缓解大语言模型生成的学术文本中的文献幻觉问题，在实现高识别准确率（0.96）的同时显著降低了计算成本，并确保了学术诚信。
一项涉及 982 名中国高校教师的随机实地实验表明，与传统或黑箱 AI 系统相比，可解释的模糊 AI 反馈通过阐明算法不确定性并促进反馈采纳，显著增强了程序公平性、校准信任以及随后的教学改进。
本文介绍了一种经过验证且可复现的测量协议（QSQ-Bench 和 Q-EVAL），该协议通过建立统计预言保证，并结合对量子程序和经典系统的全面研究，确保了具有可比性、成本意识且符合构念效度的软件测试评估。
为了解决现有检测器在复杂海洋环境中的局限性，本文提出了 SFE-YOLO，这是一个双域增强型 YOLO 框架，它集成了用于多方向特征提取的旋转卷积（pinwheel convolution）和用于海杂波抑制的频域模块，在 SSDD 和 HRSID 数据集上的 SAR 船舶检测中实现了卓越的性能。
这项研究表明，虽然上下文感知提示和先前决策的检索可以改进用于德国报纸论坛审核的大型语言模型评估器，但模型容量的选择比提示策略更为关键，其中最大的模型在无需标注训练数据的情况下，在稀有移除类别上的表现优于监督系统。
本文提出了 PPO-TS，一种优先级引导的动作掩码近端策略优化框架，该框架在动态电力材料校验调度合成基准测试中展示了具有统计学意义的改进，尽管同时也揭示了在设备利用率和泛化边界方面的局限性。