arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of Edinburgh(爱丁堡大学)

2026-06-10 至 2026-06-10 共收录 3
2606.10442 2026-06-10 cs.RO 新提交

Information-Preserving Continuous Occupancy Mapping with Variance-Weighted Submap Joining

基于方差加权子图拼接的信息保持连续占据地图构建

Zhuhua Bai, Yingyu Wang, Liang Zhao, Shoudong Huang

机构 * University of Technology Sydney(悉尼科技大学) University of Edinburgh(爱丁堡大学)

AI总结 提出首个连续概率子图拼接框架,通过信息保持稀疏贝叶斯公式压缩观测数据为充分统计量,联合优化子图位姿与全局占据场,实现高精度位姿估计与全局一致性地图。

Comments 12 pages, 7 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.10216 2026-06-10 cs.LG cs.AI 新提交

A Source Domain is All You Need: Source-Only Cross-OS Transfer Learning for APT Anomaly Detection via Semantic Alignment and Optimal Transport

一个源域足矣:基于语义对齐和最优传输的仅源域跨操作系统APT异常检测迁移学习

Sidahmed Benabderrahmanea, Petko Valtchev, James Cheney, Talal Rahwan

机构 * New York University, NYUAD, Division of Science, Computer Science Department(纽约大学,NYUAD,科学学院,计算机科学系) University of Quebec in Montreal, Computer Science Department, Montreal(魁北克大学蒙特利尔分校,计算机科学系,蒙特利尔) University of Edinburgh, School of Informatics, Edinburgh(爱丁堡大学,信息学院,爱丁堡)

AI总结 针对跨操作系统APT检测中目标域无标签的挑战,提出基于最优传输的仅源域异常评分框架,通过语义抽象和三种偏差通道实现零目标监督下的异常排序。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.10698 2026-06-10 hep-ph cs.LG hep-th 新提交

Efficient AI-Inspired Reduction of Feynman Integrals via Tube Seeding

基于管状播种的费曼积分高效类脑约化

Justin Berman, Francois Charton, Andres Luna, Matthias Wilhelm, Mao Zeng

机构 * Leinweber Institute for Theoretical Physics, Randall Laboratory of Physics, University of Michigan, Ann Arbor, 450 Church St, Ann Arbor, MI 48109-1040, USA(莱因韦伯理论物理研究所,物理系拉尔登实验室,密歇根大学安娜堡分校) Axiom Math, 124 University Avenue, Palo Alto, California, 94301, United States(Axiom数学公司,帕洛阿尔托,加利福尼亚州,94301,美国) Niels Bohr International Academy, Niels Bohr Institute, University of Copenhagen, Blegdamsvej 17, 2100 Copenhagen , Denmark(尼尔斯·波尔国际学院,尼尔斯·波尔研究所,哥本哈根大学) Center for Quantum Mathematics, Department of Mathematics and Computer Science, University of Southern Denmark, Campusvej 55, 5230 Odense M, Denmark(量子数学中心,数学与计算机科学系,丹麦南部大学) Higgs Centre for Theoretical Physics, University of Edinburgh, Edinburgh, EH9 3FD, United Kingdom(希格斯理论物理中心,爱丁堡大学)

AI总结 利用机器学习发现一种新的种子选择策略,通过稀疏种子线性增长实现高幂次多圈积分的约化,显著降低计算时间和内存占用,适用于唯象应用。

Comments 61 pages, 25 figures, 11 tables

详情

展开后加载摘要…

URL PDF HTML 收藏