标签:信息科学

该标签下的全部条目(栏目名、期号「YYYY-MM-DD」与「每日前沿」都会作为标签)。

图神经网络与经典机器学习预测鲍曼不动杆菌碳青霉烯耐药

在2448个基因组的二分类数据集上,随机森林在内部交叉验证中表现最佳,图卷积网络则提供系统层面的基因组解释,提示耐药可能反映多层协同防御体系,但需谨慎解读个体基因排名。 研究为计算建模与基准比较:最终二分类数据集2448个基因组,采用5个随机种子与10折分层交叉验证比较机器学习与

LLM用于智能NetOps与AIOps:架构、评估与安全综述

结论方向:该结构化证据分层综述提示,LLM在NetOps/AIOps中存在能力—保障缺口:面向读取型辅助与工具支撑诊断的证据相对较强,而随自主性提升至配置变更、受限执行与闭环运行,证据完整性明显下降;属提示性综述结论,非实证验证。 研究设计与做法:为结构化、按证据分层的综述,围绕

NFDI4Microbiota 第二轮资助提案:微生物组研究数据基础设施

该提案的总体方向是:通过将微生物组研究数据、软件工具、分析流程与机器学习模型转化为符合 FAIR 原则且 AI-ready 的资源,以提升数据的可发现性、互操作性与长期可复用性;材料将其定位为对研究者的赋能,而非对某一具体科学假设的检验,属于基础设施与社区建设类论证。 研究设计与

基于关系感知分组的分布鲁棒异质图神经网络

材料仅为期刊出版资讯,未提供摘要与结果数据,无法给出方向性结论;就标题而言,该工作提示以关系感知分组实现异质图神经网络的分布鲁棒性,属方法学构想层面的提示,不足以下结论。 研究设计与做法:材料未报告。仅可知文献类型为资讯,来源为 Information Processing &a

m6A去甲基化酶与肿瘤全球研究趋势文献计量分析

该文献计量分析提示,2015—2025年m6A去甲基化酶与肿瘤研究快速扩张,研究重心由基础机制逐步转向肿瘤免疫微环境、治疗耐药与预后评估,属描述性证据,不足以对任何机制或疗效下结论。 研究设计为文献计量与可视化分析,数据来自Web of Science核心合集,检索2015—20

人类、AI与混合集成检测自适应强化学习社交机器人

该研究提示,将人类机器人报告与AI预测结合的人机混合集成,在检测基于强化学习的自适应社交机器人上优于单独人类与单独AI,方向为正向;但具体效应强度受实验设置限制,属「提示」级别。 设计为受控、经IRB批准的为期五天实验,参与者在被强化学习训练机器人渗透的社交媒体平台上互动,机器人