WikiEdge:ArXiv速遞/2025-04-24
摘要
- 原文標題：Design and benchmarking of a two degree of freedom tendon driver unit for cable-driven wearable technologies
- 中文標題：二自由度肌腱驅動單元的設計與性能評估——面向纜驅可穿戴技術
- 發布日期：2025-04-24 16:49:21+00:00
- 作者：Adrian Esser, Chiara Basla, Peter Wolf, Robert Riener
- 分類：eess.SY, cs.SY
- 原文連結：http://arxiv.org/abs/2504.17736v1
中文摘要：外骨骼服作為剛性外骨骼的替代方案近年來得到發展，並日益應用於臨床和家庭環境中上肢與下肢治療與輔助。雖然已開發出多種線驅動外骨骼服，但其機電設計與性能的公開研究甚少。為此，本文針對線驅動可穿戴外骨骼服提出一種二自由度肌腱驅動單元（TDU）的全面設計與性能分析。研究詳細闡述了TDU功能基準測試方法：靜態扭矩輸出測試對比指令扭矩與實測扭矩；速度控制測試評估不同速度下的衰減與相位偏移；噪聲測試量化穿戴者感知的TDU運行聲響；熱應力測試記錄冷卻性能以確保高負載安全運行；電池續航測試評估不同負載條件下的持續運行時間。為驗證測試方案，本文推出模塊化線驅動TDU系統，其電機、滑輪和傳感器等組件可根據應用需求靈活調整。通過分享詳細方法論與性能數據，本研究旨在提供可復用的TDU設計方案，並為研究人員和工程師提供系統化記錄TDU設計性能的參考框架。
摘要
- 原文標題：Federated Learning: A Survey on Privacy-Preserving Collaborative Intelligence
- 中文標題：聯邦學習：隱私保護協同智能綜述
- 發布日期：2025-04-24 16:10:29+00:00
- 作者：Edward Collins, Michel Wang
- 分類：cs.LG, cs.AI
- 原文連結：http://arxiv.org/abs/2504.17703v1
中文摘要：聯邦學習（FL）已成為分布式機器學習領域的變革性範式，它允許多個客戶端（如行動裝置、邊緣節點或組織）在不集中敏感數據的情況下協作訓練共享全局模型。這種去中心化方法解決了數據隱私、安全性和監管合規性方面日益增長的擔憂，使其在醫療保健、金融和智能物聯網系統等領域特別具有吸引力。本綜述對聯邦學習進行了簡明而全面的概述，從其核心架構和通信協議開始。我們討論了標準FL生命周期，包括本地訓練、模型聚合和全局更新。特別強調了關鍵的技術挑戰，如處理非獨立同分布（non-IID）數據、緩解系統異構性和硬體異構性、減少通信開銷，以及通過差分隱私和安全聚合等機制確保隱私。此外，我們探討了FL研究的新興趨勢，包括個性化聯邦學習、跨設備聯邦學習與跨孤島聯邦學習設置，以及與其他範式（如強化學習和量子計算）的集成。我們還重點介紹了實際應用，並總結了FL研究中常用的基準數據集和評估指標。最後，我們概述了開放的研究問題和未來方向，以指導可擴展、高效和可信賴的FL系統的開發。
摘要
- 原文標題：RAGAT-Mind: A Multi-Granular Modeling Approach for Rumor Detection Based on MindSpore
- 中文標題：基於MindSpore的多粒度建模謠言檢測方法RAGAT-Mind
- 發布日期：2025-04-24 14:03:53+00:00
- 作者：Zhenkai Qin, Guifang Yang, Dongze Wu
- 分類：cs.CL, cs.CY
- 原文連結：http://arxiv.org/abs/2504.17574v1
中文摘要：隨著虛假信息在社交媒體平台持續擴散，有效謠言檢測已成為自然語言處理領域的緊迫挑戰。本文提出RAGAT-Mind——一種基於MindSpore深度學習框架的中文謠言檢測多粒度建模方法。該模型整合了TextCNN用於局部語義提取、雙向GRU用於序列上下文學習、多頭自注意力機制用於全局依賴聚焦，以及雙向圖卷積網絡(BiGCN)用於詞共現圖的結構化表徵。在微博謠言數據集上的實驗表明，RAGAT-Mind實現了99.2%的準確率和0.9919的宏觀F1值，驗證了層次化語言特徵與圖式語義結構結合的有效性。該模型還展現出強大的泛化能力和可解釋性，凸顯了其在現實場景中的實用價值。