2354 篇论文
该论文介绍了 HAG-EUNet，这是一种结合了 EfficientNet-B3 编码器与 Transformer 增强型 U-Net 解码器的混合深度学习模型，旨在实现 OCT 图像中自动化、高精度的脉络膜分割并提取 32 个具有临床相关性的生物标志物，在准确性和效率方面均显著优于标准的 U-Net 基准模型。
KORAL-Net 是一种有序的三维分割架构，它将体积表示与多尺度特征重建分离，以保留三相 DCE-MRI 中的边界证据，在内部及跨队列 I-SPY 数据集上均实现了比 nnU-Net v2 更高的 Dice 分数并减少了假阳性。
本文提出了一种通用自动驾驶系统（UADS），该系统将高精度的进化版 YOLO 检测器与人工神经网络专家系统（ANES）及大语言模型（LLM）相结合，旨在实现最先进的目标检测与自主决策，同时解决自动驾驶领域中的 NP 难问题。
本文介绍了 PASER-NLL，这是一种无需教师的数据选择方法，它通过使用学生的负对数似然来替代被剪枝模型失效的 KL 散度信号，从而在激进结构剪枝下实现卓越的恢复性能和显著的资源节省。
本文提出了一种用于 Elettra 2.0 粒子加速器的 AI 辅助控制架构，该架构在分层框架内集成了大语言模型与模型上下文协议（Model Context Protocol），通过数字孪生实现安全、自然语言形式的监督控制，并实现了超过 95% 的指令成功率且未发生不安全行为。
本研究提出了一种结合多头注意力机制（Multi-Head Attention, MHA）增强的双向长短期记忆网络（BiLSTM）模型，旨在解决神经机器翻译中的局限性，并证明了其在对齐准确度、BLEU 以及 METEOR 指标方面较现有方法具有更优越的性能。
本研究引入了 MAL-BAYES-III，这是一个偏贝叶斯框架，该框架专门将哈密顿蒙特卡洛法应用于紧凑型分类头，以生成用于检测内存取证中混淆恶意软件的经过校准且具备不确定性感知能力的概率，尽管其在原始准确率上并未超越传统的梯度提升算法，但仍提供了诊断价值和选择性审查能力。
本研究引入了一种无监督图注意力网络自动编码器（GAT-AE）框架，该框架将多源地理空间数据与街道网络拓扑结构相融合，以模拟动态的功能性城市中心性，证明了其相比于传统线性方法具有更优越的空间相干性以及识别复杂非线性城市现象的能力。
本文表明，尽管结果感知型推理分配在理论上具有价值，但在多机器人系统中，由于高价值机会的内在稀疏性，其在实际应用中受到了严重限制，导致学习型路由器的分类器崩溃，并无法通过委托或专业化产生真正的涌现式集体认知。
本文提出了一种结合局部搜索的两层混合帝国竞争算法，用于同时优化多配送中心车辆路径问题中的客户到配送中心的分配与车辆路径，在标准基准测试上实现了具有竞争力的结果，差距控制在约 2% 以内。