- 基于扩散的对抗净化用于入侵检测
证明扩散模型在网络入侵检测中净化对抗样本方面的有效性，通过对扩散参数的全面分析，识别最佳配置以最大限度地提高对抗鲁棒性而对正常性能的影响最小。重要的是，该研究揭示了扩散噪声和扩散步骤之间的关系，对该领域具有重要贡献。实验在两个数据集上进行， - 利用多标签软分类量化异质生态系统服务
利用遥感技术和机器学习方法，本文展示了如何使用软件、多标签分类器来预测具有复杂异质性的生态系统服务。
- SyROCCo：利用机器学习增强系统性综述
利用机器学习技术帮助系统性综述过程，开发一系列工具以分析与 “基于结果的合同” 主题相关的 1,952 篇出版物，结果显示机器学习技术在提高证据可达性和分析方面具有实用性，但需谨慎应用，克服其潜在的错误和偏差。
- 用户故事导师（UST）支持敏捷软件开发者
User Story Tutor (UST) 是一个检查用户故事描述可读性、提供改进建议、使用机器学习技术估计用户故事工作量的 Web 应用程序，可用于敏捷开发团队继续教育和增强当前用户故事创建的有效技术。
- 基于机器学习进行优化断裂韧性的复合材料设计
通过机器学习技术优化 2D 和 3D 复合结构，研究断裂韧性和裂纹扩展在双悬臂梁（DCB）试验中的应用，揭示微观结构排列与复合材料宏观性能之间的复杂关系，证明了机器学习作为强大工具在设计优化过程中的潜力，相较于传统有限元分析具有明显优势。研 - 教授机器人行走的同时也教给它们交易 —— 使用知情数据和 LLMs 进行制度自适应执行
通过强化学习算法从市场反馈中动态适应迁移和协方差偏移，从而提高金融市场预测精确性，并且在现有基准任务和最近提出的任务中表现优于其他模型。
- 机器学习技术在自动音乐转录中的应用：系统调研
音乐信息检索领域的自动音乐转录（AMT）是一项核心挑战，旨在将音频信号转换为音乐符号表示，本文扼要回顾了 AMT 在音乐信号分析中的关键作用，强调了由于音乐和谐的复杂和相互叠加的频谱结构而对 AMT 的重要性，通过对 AMT 中现有的机器学 - 交通事故分析与预测的最新进展：机器学习技术的综合综述
此研究通过对最近在交通事故分析和预测中应用机器学习技术的全面回顾，解决了道路安全领域中对先进预测方法的需求。通过分析 191 项研究，重点关注预测事故风险、频率、严重程度、持续时间以及事故数据的统计分析，该研究展示了整合多样化数据源和先进机 - PathoLM: 通过基因组基础模型从 DNA 序列识别致病性
通过引入 PathoLM，我们为细菌和病毒序列的致病性鉴定提供了一种优化方法。 PathoLM 可以有效捕捉更广泛的基因组上下文，显著提高了对新颖和多样化病原体的鉴定能力。同时，在 ESKAPEE 物种分类中，PathoLM-Sp 相较于其 - PIPPIN: 从粒子产生可变长度的全事件
该研究介绍了一种新颖的方法，利用最新的机器学习技术从部分子水平信息直接生成探测器水平的完整事件。通过使用变压器、基于评分的模型和归一化流，解决了部分子空间和重建对象空间之间多样性变化的挑战，克服了这两个空间之间的随机转移的固有复杂性，并实现 - IJCAI一种基于神经列生成理论的二维装箱车辆路径问题的求解方法
本研究论文通过整合注意力和循环机制的先进机器学习技术，提出了一种精确算法来解决具有二维装载约束和后进先出规则的车辆路径问题。该算法在各个问题实例中平均加速了 29.79%，并成功解决了标准测试环境中的一个开放问题，表明了机器学习模型的结合带 - 重新审视领域通用性中的伪相关
建立结构因果模型以避免机器学习模型学习到的伪相关性，对应用场景选择正确的伪相关性机制，通过引入倾向性评分加权估计器控制混杂偏差，有效地进行欠分布外泛化。
- 网络入侵检测中注重检测率的多目标进化特征选择
本研究提出了 DR-MOFS，将网络入侵检测中的特征选择问题建模为一个三目标优化问题，通过使用多目标进化算法同时优化特征数量、准确率和检测率，实验结果表明，该方法在大多数情况下优于以前的方法，即减少特征数量，提高准确率和检测率。
- 解锁创新和沉浸式数字护理在元宇宙中的潜力
Metaverse 技术在医疗领域具有革命性潜力，能够改善患者关怀、医学教育和研究，提供更好的患者参与、沟通、信息获取和健康结果。此研究还探讨了利用机器学习技术对 Metaverse 数据进行分析以进一步增强医疗应用的潜力，并强调了大型科技 - 机器学习中漏洞检测的影响因素解析
研究了软件项目中不同因素对于识别漏洞的准确性的影响，通过挖掘软件库中的漏洞并使用机器学习技术进行自动检测。通过实验发现，将基于词袋模型的签名与随机森林模型相结合，在 17 个真实世界项目中能提高 4% 的检测准确率，并观察到在跨域中转移漏洞 - 基于图像分析的癌症检测的联邦学习和迁移学习
该综述讨论了联邦学习（FL）和迁移学习（TL）在基于图像分析的癌症检测中的作用，包括它们的优点、缺点以及应用领域。
- 应用机器学习于企业采购过程中的异常检测
在不断数字化的过程中，组织必须应对检测异常情况的挑战，以揭示日益增长的数据中的可疑活动。为了追求这个目标，定期进行审计，内部审计员和采购专家不断寻找自动化这些过程的新方法。本研究提出了一种方法来优先处理从真实数据中检测到的两个大型采购数据集 - 通过内部高维混沌活动进行生成建模
利用高维混沌系统中的内部混沌动力学作为一种从训练数据集中生成新数据点的方法，在一组基本架构中通过简单的学习规则来实现这一目标，并通过标准准确度度量来表征生成数据点的质量。
- Hénon 映射中后续步骤预测的比较分析
深度学习在预测混沌系统演化中的重要性，通过对 H'enon 地图使用多种机器学习技术的性能评估，结果表明 LSTM 网络在预测精度上表现出优势。
- 利用大型语言模型对历史死因数据进行编码
本研究探讨了使用预训练的生成型大语言模型 (GPT-3.5、GPT-4 和 Llama 2) 自动分配历史死因的 ICD-10 编码的可行性。研究结果显示，虽然 GPT-3.5、GPT-4 和 Llama 2 对于今天仍在使用的术语和短短的