多模态信息融合

Clinical Pathways Matter for Multimodal Deep Learning in Early Alzheimers Disease Detection

临床路径对早期阿尔茨海默病检测中的多模态深度学习至关重要

Yao Lu, Solveig Kristina Hammonds, Alvaro Fernandez-Quilez

专题命中 医学影像融合 ：multimodal fusion(abstract)；分类 eess.IV

AI总结 该研究提出基于SigLIP的零样本多模态框架，结合结构MRI与常规临床变量，在ADNI队列中实现早期阿尔茨海默病风险分层，性能优于传统模型，且可扩展至纵向数据。

Comments Published

Multi-Observer Vehicle Localization Case Study with Roadside Radar and Connected Vehicle Sensing

基于路侧雷达与网联车辆感知的多观测器车辆定位案例研究

Aleksi Pippuri, Nilusha Jayawickrama, Risto Ojala

机构 * Aalto University（阿尔托大学） 纠错

专题命中 自动驾驶多传感器融合 ：decision-level fusion(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出融合路侧雷达与网联车辆感知的多观测器车辆定位框架，经实测数据验证，其性能受场景影响，AEKF可小幅优于仅用LiDAR的基线，相关成果与代码已开源。

Comments 12 pages, 7 figures and 8 tables

Information fusion and machine learning for sensitivity analysis using physics knowledge and experimental data

融合信息与机器学习的敏感性分析：利用物理知识与实验数据

Berkcan Kapusuzoglu, Sankaran Mahadevan

专题命中 融合架构与评测 ：information fusion(title)

AI总结 本文提出结合物理知识与实验数据的物理信息机器学习策略，构建DNN和GP模型并融入物理约束，经实例验证可提升全局敏感性分析的准确性。

Comments Reliability Engineering & System Safety

A decodability criterion predicts when hidden-state selection beats majority voting in large language models

可解码性准则预测大型语言模型中隐藏状态选择何时优于多数投票

Zhixiang wang, Ziliang Hong, Ulas Bagci

机构 * Northwestern University（西北大学） 纠错

专题命中 融合架构与评测 ：information fusion(abstract)

AI总结 该研究提出可解码性准则及CASE方法，可预测大型语言模型中隐藏状态选择何时优于多数投票，CASE在通用和医疗LLM的中、高难度问题上均有显著提升，且预测可跨领域迁移。

On the Estimation of Chernoff Information

关于Chernoff信息的估计

Kadircan Aksoy, Peter Jung

专题命中 融合架构与评测 ：information fusion(abstract)

AI总结 针对Chernoff信息非参数估计的难题，通过导数条件重构优化并结合k近邻法与二分法，证明了导数估计量的L₂一致性，提出了Chernoff信息的非参数估计方法。