Software Defect Prediction using Autoencoder Transformer Model
由 AI-ML 驱动的质量工程方法使用 AI-ML 通过预测缺陷来增强软件质量评估。现有的机器学习模型难以应对噪声数据类型、不平衡、模式识别、特征提取和泛化等问题。为了应对这些挑战，我们开发了一种新模型，即基于自适应差分进化（ADE）的量子变分自编码器-变换器（QVAET）模型（ADE-QVAET）。 ADE 与 QVAET 相结合，获得高维潜在特征并保持顺序依赖性，从而提高缺陷预测的准确性。 ADE 优化增强模型...
能够产生高达 402 in-lbs 的连续扭矩和 443 in-lbs 的峰值扭矩，输出速度为 6.9 RPM)
下一代 IO-Link 空心轴编码器提供远程诊断、灵活集成和高达 5000 PPR 的分辨率，非常适合机器人、自动化和工业机械。
Adapting Self-Supervised Representations as a Latent Space for Efficient Generation
我们引入了 Representation Tokenizer (RepTok)，这是一种生成建模框架，它使用从自监督视觉转换器获得的单个连续潜在标记来表示图像。在预先训练的 SSL 编码器的基础上，我们仅微调语义标记嵌入，并将其与使用标准流匹配目标联合训练的生成解码器配对。这种适应通过低级的、与重建相关的细节丰富了令牌，从而实现了忠实的图像重建。为了保留原始 SSL 空间的有利几何形状，我们添加了余弦相似度损失......
IEEE Transactions on Emerging Topics in Computational Intelligence Volume 9, Issue 5, October 2025
1) 激励联合学习：调查作者：Akarsh K Nair、Sinem Coleri、Jayakrushna Sahoo、Linga Reddy Cenkeramaddi、Ebin Deni Raj 页数：3190 - 32092) 用于神经形态计算的可重构数字 FPGA 实现：关于最新进展和未来方向的调查作者： Edris Zaman Farsa, Arash Ahmadi, Oliver Keszocze 页数：3210 - 32323) 基于金属氧化物人工突触设备的机器学习模型的设计和优化作者：Yildiran Yilmaz, Fatih Gul 页数：3233 - 32434) 不完整数
Rethinking JEPA: Compute-Efficient Video SSL with Frozen Teachers
视频联合嵌入预测架构 (V-JEPA) 通过使用指数移动平均 (EMA) 更新的教师预测潜在空间中的屏蔽区域来学习可推广的现成视频表示。虽然 EMA 可以防止表示崩溃，但它使可扩展模型选择变得复杂，并将教师和学生架构耦合起来。我们重新审视隐藏的潜在预测，并表明冻结的教师就足够了。具体来说，我们 (i) 在 V-JEPA 掩蔽下使用简单的像素重建目标训练目标编码器，然后 (ii) 冻结它并训练学生预测老师的……
