研究人员开发了GetNetUPAM，一个新颖的嵌套交叉验证框架，旨在提高海洋生物声学监测系统的可靠性。该框架通过将数据划分为站点-年份块来模拟不同的环境状态，从而解决了高噪声和低信噪比的问题，防止了过拟合并暴露了与部署相关的故障模式。当应用于自适应分辨率池化和注意力网络（ARPA-N）时，GetNetUPAM通过集成卷积块注意力模块（CBAM）作为学习到的噪声抑制器，显著减少了误报，提高了生态监测的准确性。 AI
影响 增强了AI在嘈杂的真实环境监测场景中可靠执行任务的能力。
排序理由 该集群描述了一篇关于特定科学应用的新颖框架和模型架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →