Md Abrar Jahin
PulseAugur coverage of Md Abrar Jahin — every cluster mentioning Md Abrar Jahin across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI模型利用可解释学习预测孟加拉国男性家庭暴力
研究人员开发了一种可解释的集成学习模型来预测孟加拉国的男性家庭暴力（MDV）。该研究通过从九个主要城市收集数据，解决了数据不平衡和可用性有限的挑战。他们提出的堆叠集成模型，使用ANN和CatBoost作为基础分类器，并以Logistic Regression作为元模型，达到了95%的准确率和99.29%的AUC。SHAP和LIME等可解释AI技术被用于提供模型决策过程的透明度，挑战了家庭虐待主要影响女性的观念，并强调了为男性受害者提供…
-
新型遗传算法优化港口集装箱装卸
研究人员开发了一种名为 QCDC-DR-GA 的混合遗传算法 (GA)，用于优化港口的集装箱装卸。该算法集成了泊位起重机双循环 (QCDC) 和堆场二次搬运最小化，解决了卸货顺序与堆场计划之间复杂的相互依赖性。实验表明，与现有方法相比，QCDC-DR-GA 可将大型船舶的总操作时间减少 15-20%，为港口在不升级基础设施的情况下提高效率提供了一种经济高效的解决方案。
-
新的HeteRo-Select框架通过优先考虑数据信息量来优化联邦学习
研究人员为联邦学习系统开发了一个名为HeteRo-Select的新框架，该框架在梯度压缩中优先考虑数据信息量而非链路速度。这种方法旨在解决非独立同分布（non-IID）数据场景中带宽和数据信息量可能不匹配的问题。通过使用信息量分数来指导客户端选择、压缩率和服务器聚合权重，HeteRo-Select在速度方面取得了显著的改进，并减少了流量，即使在这些信号被故意反相关的情况下，其表现也优于带宽驱动的方法。
-
ChronoSpike: 自适应脉冲图神经网络增强动态图学习
研究人员推出 ChronoSpike，这是一种新颖的自适应脉冲图神经网络，旨在高效处理动态图。该新模型集成了可学习神经元、基于注意力的聚合和时间编码器，以捕获结构关系和时间演化。据报道，ChronoSpike 在多项基准测试中表现优于现有方法，在保持恒定参数预算的同时提高了准确性，并提供了比循环方法更快的训练时间。