Foreground Sampling and Spatial Support in Pavement Crack Segmentation
本研究表明,在路面裂缝分割中,激进的前景聚焦型补丁采样(patch sampling)会因导致训练图像的大部分区域变得不可触达,从而在无意中限制了空间支持,这种缺陷在批归一化(batch normalization)下会显著降低性能,因此应当通过将采样视为一种空间数据选择规则,而非仅仅将其视为一种类别不平衡干预手段来加以解决。
3875 篇论文
本研究表明,在路面裂缝分割中,激进的前景聚焦型补丁采样(patch sampling)会因导致训练图像的大部分区域变得不可触达,从而在无意中限制了空间支持,这种缺陷在批归一化(batch normalization)下会显著降低性能,因此应当通过将采样视为一种空间数据选择规则,而非仅仅将其视为一种类别不平衡干预手段来加以解决。
本文提出了 FRAG-Net,这是一个可解释的计算智能框架,它结合了用于合成少数类样本的条件 Wasserstein GAN、用于特征融合的多头注意力机制以及用于解释性的 SHAP,以有效解决金融风险预警中严重的类别不平衡问题。
本文提出了一种针对物联网摄像头设备的通信高效且鲁棒的联邦学习框架,该框架结合了 Top-K 梯度稀疏化、FedProx 正则化以及 GroupNorm 归一化,旨在同时解决上行带宽瓶颈和由非独立同分布(non-IID)数据分布引起的精度下降问题。
本文提出了一种用于医疗物联网的可解释且轻量级的入侵检测系统,该系统结合了 Z-score 标准化、由灰狼算法优化的主成分分析(PCA),以及由鲸鱼优化算法调优的深度置信网络,并辅以 SHAP/LIME 可解释性,旨在实现高检测准确率和边缘设备上的低计算开销。
本文提出了一种利用神经网络为二次规划问题生成精确初始猜测值的深度学习热启动方法,显著提升了数字孪生框架内飞机组装模拟的计算效率。
本文提出了一种用于钢铁铸造根因分析的离线、确定性专家系统,该系统采用门控验证、独立的反驳判官以及严格的证据约束,以减轻大语言模型的幻觉问题,并最终提出了一种人机协同的自主模型,即由系统提出发现结果供人工审批。在评估过程中,系统通过评分卡与参考分析进行对比,需说明的是,该参考分析是由大语言模型在作者指导下编写的,并非独立的专家报告。
本文提出了一种鲁棒的时空图强化学习框架,该框架集成了图注意力网络和基于 Transformer 的时间编码器,使多智能体交通信号控制系统能够有效区分瞬态噪声与持续性扰动,从而实现比现有最先进基准模型更高的吞吐量以及从结构性故障中更快的恢复速度。
本文证明了具有任意多步幂律权重的分布贝尔曼算子在极大 -Wasserstein 度量下是收缩映射,并以真实的收益分布作为唯一的固定点,从而为在分布强化学习中引入长记忆机制提供了理论基础。
Confidential Pulse 是一个能够通过重构 Hyperledger Fabric 通道内授权有效载荷的响应,实现对联邦政府记录进行安全、对话式访问的系统,该系统在确保防止超出范围的数据泄露的同时,仍面临着通过模型生成的散文文本进行信息泄露的风险。
本文介绍了 TSLLM-BO,这是一个通过结合时序-文本对齐架构与可微复合奖励以及动态策略裁剪,来增强基于大语言模型(LLM)的时间序列预测的鲁棒性与结构保真度的两阶段框架,旨在克服将强化学习应用于连续、长时程预测任务所面临的挑战。