10:14arXiv cs.LG@Akshay Bhagwan Sonawane, Sophie Choe, Lakshman Tamil该研究针对资源受限环境中口腔癌早期检测需求,提出混合经典-连续变量(CV)量子分类器。管道结合MobileNetV1特征提取器、PCA降维至16维及含位移、干涉仪和Kerr门的CV-QNN。简化Φ∘D∘U1架构比标准Killoran层减少40-45%可训练参数,并通过降维与编码策略将损失梯度方差提升约58个数量级。四qumode简化CV-QNN仅用18个参数,验证AUC最高,以67%更少参数超越55参数经典基线,达到100%校准测试准确率。结论支持CV光子量子机器学习用于室温、参数高效的医学图像分类,推动边缘量子AI发展。论文Continuous-VariablePhotonic QuantumQuantum Neural Network口腔癌检测边缘AI推荐理由:这篇论文用仅18个参数的室温光量子模型在口腔癌检测上做到100%准确率,参数比经典模型少67%,特别适合边缘设备。原文
10:38arXiv cs.LG@Aygün Varol, Katarzyna Kołodziej, Łukasz Sobczak, Michał Romaszewski, Przemysław Głomb, Naser Hossein Motlagh, Mirka Leino, Johanna Virkki这篇论文提出结构化提示构建框架,将原始空气质量和热舒适传感器数据转化为三种渐进的文本表示(原始值、阈值描述、环境摘要)。研究使用室内Raspberry Pi/BME680数据集和户外华沙等城市数据集,评估5个本地和5个云端LLM。在无思维链推理模式下,本地模型准确率从50.9%提升至81.7%(室内),从63.7%提升至89.3%(户外),平均延迟仅0.22秒。结果表明轻量级预处理可显著缩小边缘与云端的准确率差异。论文LLMIoT数据预处理边缘AI提示工程环境监测推荐理由:把传感器数据预处理成文字提示,小模型准确率能从50%涨到89%,延迟才0.22秒,不比云端差。原文
12:30arXiv cs.AI@Semih Vazgecen, Cristian Sestito, Spyros Stathopoulos, Themis Prodromakis精选该研究提出一种结合轻量级生成对抗网络(GAN)和忆阻器神经形态系统的面部识别框架,专门解决非正面人脸图像的识别难题。通过GAN将非正面人脸正面化,再使用忆阻器分类器进行高效识别,在资源受限平台(如无人机)上实现96%的准确率。该方法缓解了传统AI的计算瓶颈,为动态真实环境中的面部识别提供了可扩展、高效的边缘AI解决方案。论文GAN忆阻器面部识别边缘AI神经形态计算推荐理由:边缘AI设备(如无人机)做非正面人脸识别一直受限于算力,这个方案用GAN正面化+忆阻器低功耗推理,准确率还到96%,做嵌入式视觉或边缘计算的团队值得关注。原文