Fuzzy Convolution Neural Networks for Tabular Data Classification
本文提出了一种新颖的模糊卷积神经网络(FCNN)框架,该框架将表格数据转换为基于模糊隶属度的图像,以有效利用深度学习进行分类,在复杂的噪声数据集上展现出与传统机器学习算法相当或更优的性能。
原作者已查阅我们通俗解释的论文。
本页收录的每篇论文,都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误,或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书,但说明该解释已经过论文作者的审视。
568 篇论文已由作者审阅 · 211–220 / 568
本文提出了一种新颖的模糊卷积神经网络(FCNN)框架,该框架将表格数据转换为基于模糊隶属度的图像,以有效利用深度学习进行分类,在复杂的噪声数据集上展现出与传统机器学习算法相当或更优的性能。
本文提出黑洞作为时空热力学自由度的凝聚体,为它们的质量、熵和内部结构提供了一种连贯的解释,这一解释得到了近期黑洞并合观测的支持。
本文利用魏尔斯特拉斯椭圆函数给出了具有任意参数的相干耦合器的完整解析解,将詹森耦合器识别为一种特例,并建立了从三模简并四波混频系统到两模耦合器的投影,从而揭示了其与可积参数过程及克罗内克θ函数之间更深层的联系。
本文提出,热遗迹暗物质尽管与标准模型仅有极微弱的耦合,仍可通过强隐蔽相互作用主要湮灭至一个隐藏的“更暗”扇区而保持其可行性,该机制通过两个特定的规范模型中的耦合玻尔兹曼方程得以阐明。
本文表明,将正则原初黑洞度规与记忆负担效应相结合,会显著抑制霍金辐射,从而开辟出一个至克的新质量窗口,使得此类黑洞在不妨碍大爆炸核合成约束的前提下,能够构成全部暗物质。
本文提出了意图控制的部分最优传输(IC-POT),这是一个新颖的框架,它通过用基于侧信息的逐点、意图驱动的拒绝成本取代全局质量拒绝,从而推广了部分最优传输,进而在正例 - 未标记学习和多模态卫星数据分析等应用中实现更结构化且更可靠的匹配。
本文确立了在拜占庭故障和退相干条件下分布式量子传感器融合的均方误差统一下界,展示了纠缠可见度与容错机制如何实现从标准量子极限到海森堡极限的连续过渡,并通过仿真与真实传感器数据验证了这些理论标度律。
本文介绍了 WARC-Bench,这是一个利用网络归档文件来评估多模态人工智能代理在复杂图形用户界面子任务上表现的新颖基准,结果表明,尽管当前前沿模型面临困难,但开源模型通过监督微调以及结合可验证奖励的强化学习显著改进,从而实现了具有竞争力的性能。
本文提出了一个关于 2026 年 MV Hondius 号上安第斯病毒爆发的多尺度常微分方程模型,该模型识别出一个关键的免疫病理反馈回路作为致死性细胞因子风暴的驱动因素,并提出基于 Wasserstein 距离的早期预警评分和外源性 IL-10 补充作为预防血管通透性衰竭的最有效干预措施。
本文利用马蒂萨巴格林函数建立了一个系统的量子场论框架,用于描述二次谐波产生和双线性磁电效应中的非线性欧姆响应,揭示了一种此前未被认识的、由能带几何驱动的固有电导率,该效应在具有高费米速度和窄带隙的材料中是可观测的。