2354 篇论文
本文介绍了 SAIL 框架，这是一种创新的有状态编排架构，通过利用具有启发式验证和双向握手协议的主动、保留状态层来取代无状态中间件，从而缓解集成 ERP-WMS 物流系统中的数据延迟和事务不对称问题，最终在确保账本完整性的同时，将人工库存修复减少高达 90%。
本文提出了遗传碎片化梯度下降（Genetic Fragmentation Gradient Descent, GFGD），这是一种高效的离线-在线调度器，它利用遗传算法为 GPU 共享集群演化出轻量级且受故障约束的策略，与以往依赖大量模拟的方法相比，显著降低了调度延迟，同时提高了作业完成率和资源利用率。
本文介绍了 TSF-Resonator，这是一种轻量级的时频融合网络，通过结合自适应多尺度时间编码与低秩谱分析，克服了现有基于 Transformer 方法在计算和建模方面的局限性，从而实现了准确且高效的废水水质预测。
本文提出并评估了一种用于医院管理的协作式多智能体强化学习框架，证明了其四个专业化智能体通过优化资源配置、缩短患者等待时间以及在极低冲突的情况下实现高运营效率，显著优于传统系统。
本文提出了一种基于 ResNet50 和 Grad-CAM 的可信少样本迁移学习框架，该框架能够有效地对超声图像中的多囊卵巢综合征（PCOS）进行分类，即使在数据极度匮乏的情况下也能实现高准确率和可靠的解释。
TrustFedKG-Health 是一个具备可解释性且个性化的联邦学习框架，它通过整合医学知识图谱、不确定性引导推理以及质量加权聚合，在解决各医院间数据异构性和质量问题的同时，实现了卓越的疾病风险预测并生成具有临床依据的叙述。
本文表明，在 DataSense IIoT 基准测试中，仅凭网络流量特征就足以在大多数攻击类别中实现高精度的入侵检测，而设备遥测数据所能提供的价值极小，除非用于区分中间人（MITM）攻击。
本文提出了一种熟练度组感知框架，该框架将特征注意力引导的 K-means 聚类与全局对齐步骤相结合，以有效地对在线判题平台上的编程问题难度进行分类，与标准基准相比，显著提高了聚类质量和跨组一致性。
这项设计科学研究展示了 RAIA 的开发，这是一种受治理约束的 AI 人造制品，旨在通过在一个可复用的架构框架内集成安全的数据处理、可追溯的证据合成以及人类监督的决策机制，来支持国家监管机构进行基于证据关联的药品依赖性审查。
本文提出了一种结合多周期平衡属性子图与扩散型汉（Diffusion-HAN）网络的创新网络异常检测框架，旨在有效解决数据不平衡和分类不确定性问题，与现有最先进方法相比，在未知攻击检测和 F1 分数方面取得了显著提升。