3900 篇论文
本文提出了一种用于人机交互的鲁棒实时手势识别系统，该系统利用经过通道剪枝和微调的 YOLOv5s 模型，实现了超过 60 FPS 的高检测速度和卓越的准确度，从而能够实现对 VLC 和 Spotify 等多媒体应用的无缝控制。
本文介绍了一种名为 MobileNetV2-KAN+ 的轻量级架构，该架构拥有 365 万个参数，通过将 MobileNetV2 主干网络与有界 Kolmogorov-Arnold 网络分类器相结合，在不依赖预训练权重或大型模型规模的情况下，实现了稳健且校准良好的跨数据集水果成熟度识别。
ST-KEDA 是一个针对 Kubernetes 微服务的预测性、成本感知型自动扩缩容框架，它集成了变分模态分解与拓扑感知的协同 LSTM 预测技术，并结合实时成本估算，在保持严格 SLA 合规性的同时，显著降低了基础设施成本和扩缩容延迟。
本文介绍了 FCI-SF，这是首个针对流式特征的全局一致性、基于约束的因果结构学习算法，它能在新数据到达时高效更新因果图，同时提供形式化的渐近保证，并在合成及真实世界数据集上展示了卓越的准确性和速度。
本文介绍了 LipiNet，这是一种用于天文那加里（Devanagari）手写字符识别的轻量级且鲁棒的架构，它通过利用支架注入式密集残差网络（scaffold-injected dense residual networks）和门控胶囊路由（gated capsule routing）所蕴含的结构先验，在仅有 390 万个参数的情况下实现了 99.75% 的最先进准确率。
本研究评估了九个大型语言模型在多语言法律推理任务中的表现，并揭示了它们的决策过程通常是不稳定的，其特征是存在不一致的辩护理由、不可靠的自我审计以及缺乏语义连贯性，从而对仅将决策一致性作为衡量推理稳定性的指标的有效性提出了挑战。
本文提出了一种资源感知评估框架和一种基于贝叶斯优化的混合学习模型，该模型利用通过条件变分自编码器（CVAE）生成的合成网络流量，为资源受限的物联网和边缘环境下的入侵检测系统进行有效训练，并证明了其相比于标准生成对抗网络（GAN）和集成基准模型具有更优越的性能与效率。
本文提出了一种鲁棒的 RGB-IR 目标检测框架，该框架通过互补特征维护和改进的跨模态 Transformer 来有效恢复缺失的模态信息并增强跨模态融合，从而在完整模态和缺失模态条件下均能保持高检测性能。
本文提出了一种面向集成能源湖仓的预测不确定性感知自适应双时间尺度多智能体资源编排框架，该框架利用不确定性增强的 MAPPO 算法，在解决异构计算、存储和能源资源独特复杂性的同时，协同优化可再生能源利用率、服务延迟和碳排放。
本研究提出了一种验证集约束的三路径融合框架，用于预测24小时内院死亡率，该框架展示了持续的内部性能提升以及对EHR系统变化的鲁棒性，但在向eICU数据集进行跨数据库迁移时表现出显著的局限性，即源自源数据的融合权重无法适应新环境的数据特征。