Manipal University Jaipur

青光眼自动筛查模型换一家医院、换一台相机就明显失准，一项神经符号框架把解剖图推理与可微模糊临床规则组合进同一网络，用取自八个数据集、八个国家共12,619张眼底图的9,100张训练，并以西班牙另一家医院、另一款相机拍摄的485张RIM-ONE图像做完全留出的跨院测试。在分布内测试集上，EfficientNet-B4加图注意力网络的配置取得0.9612的AUC（95%置信区间0.951–0.972），高于仅用EfficientNet-B4的0.9472；但两者合用后跨院AUC为0.6155，比基线低8.1个百分点。

青光眼自动筛查模型换一家医院、换一台相机就明显失准，一项神经符号框架把解剖图推理与可微模糊临床规则组合进同一网络，用取自八个数据集、八个国家共12,619张眼底图的9,100张训练，并以西班牙另一家医院、另一款相机拍摄的485张RIM-ONE图像做完全留出的跨院测试。在分布内测试集上，EfficientNet-B4加图注意力网络的配置取得0.9612的AUC（95%置信区间0.951–0.972），高于仅用EfficientNet-B4的0.9472；但两者合用后跨院AUC为0.6155，比基线低8.1个百分点。

面向绿色物联网的蜂群同步不再按固定周期广播状态。ET-S3把触发阈值与节点剩余电量挂钩，电量越低越少发送，并在共识回路后接一道基于控制屏障函数的二次规划安全滤波。在100个动态智能体、1000个同步周期的仿真中，累计通信负载为3.35 MB，相当于周期共识18.40 MB的18.2%，安全越界率为0.0%，收敛用138步。

面向绿色物联网的蜂群同步不再按固定周期广播状态。ET-S3把触发阈值与节点剩余电量挂钩，电量越低越少发送，并在共识回路后接一道基于控制屏障函数的二次规划安全滤波。在100个动态智能体、1000个同步周期的仿真中，累计通信负载为3.35 MB，相当于周期共识18.40 MB的18.2%，安全越界率为0.0%，收敛用138步。

一个把因果图、熵压缩、注意力融合、对抗校准和联邦聚合串成一条流水线的入侵检测框架，在CICIDS2017上把检测准确率做到97.4%，同时把输入特征从78维压到18维。

一个把因果图、熵压缩、注意力融合、对抗校准和联邦聚合串成一条流水线的入侵检测框架，在CICIDS2017上把检测准确率做到97.4%，同时把输入特征从78维压到18维。

该工作基于 Amyloid Atlas 中实验解析的纤维结构，把有序残基标为核心、把同一蛋白中未解析残基作为匹配的非核心对照，用理化描述符与 ESM-2、ANKH、ProtT5 等蛋白质语言模型嵌入编码，并以按蛋白分组的交叉验证评估，构建出序列层面的淀粉样纤维核心倾向预测器 AmyloCore-ML；蛋白质语言模型一致优于理化描述符，最佳模型 AUROC 约 0.88、AUPRC 约 0.85，锁定全长蛋白扫描中 ESM-2/ExtraTrees W21 达到 AUROC 0.833、AUPRC 0.751、平均峰距 12.4 个残基，对比基准中指标优于 CrossBeta 和 AggrescanAI，并以 Google Colab 笔记本形

该工作基于 Amyloid Atlas 中实验解析的纤维结构，把有序残基标为核心、把同一蛋白中未解析残基作为匹配的非核心对照，用理化描述符与 ESM-2、ANKH、ProtT5 等蛋白质语言模型嵌入编码，并以按蛋白分组的交叉验证评估，构建出序列层面的淀粉样纤维核心倾向预测器 AmyloCore-ML；蛋白质语言模型一致优于理化描述符，最佳模型 AUROC 约 0.88、AUPRC 约 0.85，锁定全长蛋白扫描中 ESM-2/ExtraTrees W21 达到 AUROC 0.833、AUPRC 0.751、平均峰距 12.4 个残基，对比基准中指标优于 CrossBeta 和 AggrescanAI，并以 Google Colab 笔记本形