高校专区

Huazhong University of Science and Technology（华中科技大学）

2026-06-24 至 2026-06-24 共收录 2 篇

2606.23888 2026-06-24 eess.IV cs.AI cs.CV 新提交

E-MRL: Cross-view Aligned Evidence-driven Multimodal Reinforcement Learning for Reliable 3D Tumor Analysis

E-MRL: 跨视图对齐的证据驱动多模态强化学习用于可靠的3D肿瘤分析

Sijing Li, Zhongwei Qiu, Zhuoya Wang, Boxiang Yun, Zhenyu Yi, Jianwei Xu, Wenqiao Zhang, Yingda Xia, Ling Zhang

机构 * Zhejiang University（浙江大学）； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院）； Hupan Lab（华平实验室）； Huazhong University of Science and Technology（华中科技大学）； East China Normal University（华东师范大学）； Shanghai Jiao Tong University（上海交通大学）

AI总结提出跨视图对齐的证据驱动多模态强化学习框架E-MRL，通过将生成过程建模为“诊断-定位-验证”的马尔可夫决策过程，并引入跨视图一致性奖励，减少视觉幻觉并提升3D CT肿瘤诊断准确性。

Comments 9 pages, 2 figures

2512.15067 2026-06-24 cs.LG cs.AI cs.SY eess.SY 版本更新

EMFusion: Uncertainty-Aware Conditional Diffusion Model for Multivariate Narrow-band Exposure Forecasting

EMFusion: 一种考虑不确定性的条件扩散框架用于无线网络中频率选择性电磁场预测

Zijiang Yan, Yixiang Huang, Jianhua Pei, Hina Tabassum, Luca Chiaraviglio

机构 * department of Electrical Engineering and Computer Science, York University（电气工程与计算机科学系，约克大学）； School of Electrical and Electronic Engineering, Huazhong University of Science and Technology（电子与电气工程学院，华中科技大学）； Central China Branch of State Grid Corporation of China（国家电网公司中部分部）； Department of Electronic Engineering, University of Rome Tor Vergata（罗马大学Tor Vergata电子工程系）； Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT)（国家大学间电信研究会（CNIT））

AI总结本文提出EMFusion框架，通过整合时间、季节等上下文因素，提供不确定性估计，以提升无线网络中频率选择性电磁场预测的准确性。

Comments Accepted in IEEE Transactions on Network Science and Engineering