Spatio-temporal Cartographical Generalization: Conceptual Framework and Algorithmic Extensions
本文提出了一种系统性的概念框架和算法扩展,用于时空制图概括,该框架通过整合时间特征来保留有意义的变化事件并确保地图的可读性,并通过在数据分类和线简化中的应用进行了验证。
974 篇论文
本文提出了一种系统性的概念框架和算法扩展,用于时空制图概括,该框架通过整合时间特征来保留有意义的变化事件并确保地图的可读性,并通过在数据分类和线简化中的应用进行了验证。
本文提出了一种优化的基于 Monodepth2 的单目视觉测量方法,该方法通过集成语义分割与利用先验几何特征的固定权重空间校正,在建筑场景中实现了亚毫米级的精度,并证明了与传统方法相比误差降低了 96% 以上。
本文提出了一种集成闭环控制系统的轻量化自适应 YOLOv11 检测器,旨在实现高速、高精度的工业缺陷感知与实时分拣,与传统方法相比,显著提升了推理效率与控制稳定性。
本文提出了一个可复现的基准测试,证明了虽然像 DINOv2 这样现成的自监督视觉嵌入能够有效地为开源情报(OSINT)中的表面重识别生成线索,但由于在尺度变化和光滑表面上存在显著的性能退化,它们仍不足以实现无条件的识别。
本研究通过一项受控的实证分析,证明了语义、情感和安全性相关的响应在英语、印地语和法语之间存在显著差异,从而挑战了多语言大语言模型具有语言不变性行为的假设,揭示了行为差异是真实存在的且取决于特定类别,而非严格遵循语言距离的预测。
这项准实验研究表明,在 AI 辅助下,非编程人员编写的代码在可维护性和结构质量评分上高于在没有 AI 辅助下工作的程序员,且人机交互的质量成为了这些结果的一个强有力的预测指标。
本文系统地评估了 Claude 在高风险领域和语言中的表现,揭示出尽管该模型保持了较高的输出稳定性,但它存在“规范性漂移”现象,即其推理过程发生退化且自我审计机制变得循环,从而导致了一种被称为“加固模式”的新型失效模式,即防御性的结果取代了严密的推理。
本文提出了一个基于实证的、由八大支柱构成的“核心加情境”人工智能驱动型心理健康应用伦理设计框架,该框架源自对瑞士和尼日利亚利益相关者的定性访谈,旨在将普遍伦理原则转化为可操作实践,同时应对独特的区域性实施挑战。
本文对一个基于 PPO 的比特币交易智能体进行了透明的实证研究,该智能体通过诊断并纠正关键训练失败,实现了对买入持有策略(Buy-and-Hold)适度的长周期超越,同时证明了由于交易成本超过了微观价格变动,实时限价订单簿数据往往会产生一种理性的“不交易”策略,并最终倡导了可复现的负面结果报告相较于精修成功叙事的价值。
本文介绍了一种用于公平影响力最大化的下尾部风险感知框架,该框架利用条件风险价值和最差群体缺口概率来保护弱势群体免受严重的覆盖失败,在仅造成总预期覆盖范围轻微损失的情况下,实现了覆盖风险的显著降低。