标签
论文评估了一个可配置的多智能体系统（nMAS），用于从碎片化的临床文档中提取结构化的肿瘤学数据，与基线模型相比取得了高性能。
本文提出LA-ReduNet，一种轻量级自适应架构，该架构采用超球面流形学习和自适应步长，以显著减少神经网络中MCR2目标所需的层数，并用更少的参数实现相当的分类准确率。
本文介绍了TS2TabPFN，这是一个将显式特征提取与TabPFN 2.5表格基础模型相结合用于时间序列分类和外部回归的框架。实验表明，它在TSER任务上优于最先进的模型，并在TSC任务上取得了具有竞争力的结果。
本研究探索了使用单通道sEMG信号结合轻量级机器学习模型对十种手势进行分类的可行性，准确率高达90%。该研究展示了在低成本、低功耗手势识别方面的潜力。
提出了一种基于混合专家模型的量子启发式经典-量子混合框架用于图像分类，在MNIST和Fashion-MNIST数据集上展示了性能提升和错误率降低。
PARCEL提出了一种新颖的视觉语言模型架构，利用池锚重采样和条件弹性查询来提高不同视觉令牌预算下的效率和性能，优于现有的matryoshka基线。