Johns Hopkins University（约翰斯·霍普金斯大学）

Context-Aware Asymmetric Ensembling for Interpretable Retinopathy of Prematurity Screening via Active Query and Vascular Attention

具备上下文感知的非对称集成用于通过主动查询和血管注意力的可解释早产视网膜病变筛查

Md. Mehedi Hassan, Taufiq Hasan

机构 * m-Health Lab, Department of Biomedical Engineering, Bangladesh University of Engineering（m-Health实验室，生物医学工程系，孟加拉国工程大学） ； Center for Bioengineering Innovation（生物工程创新中心） ； Design, Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD, USA（设计，生物医学工程系，约翰霍普金斯大学，巴尔的摩，MD，美国） 纠错

AI总结 本文提出具备上下文感知的非对称集成模型，通过主动查询和血管注意力技术，实现早产视网膜病变筛查的高准确率和可解释性。

Comments 16 pages, 6 figures

Scaling Laws in Patchification: An Image Is Worth 50,176 Tokens And More

补丁化中的缩放定律：一张图像等于50,176个标记并更多

Feng Wang, Yaodong Yu, Guoyizhe Wei, Wei Shao, Yuyin Zhou, Alan Yuille, Cihang Xie

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Florida（佛罗里达大学） 纠错

AI总结 研究探讨了补丁化中的缩放定律，发现减小补丁大小可提升模型性能，最终达到像素标记化，并在ImageNet-1k上实现了84.6%的准确率。

Decentralised Resource Sharing in TinyML: Wireless Bilayer Gossip Parallel SGD for Collaborative Learning

在TinyML中实现去中心化的资源共享：用于协作学习的无线双层 gossip 平行 SGD

Ziyuan Bao, Eiman Kanjo, Soumya Banerjee, Hasib-Al Rashid, Tinoosh Mohsenin

机构 * Department of Computing, Imperial College London（帝国理工学院伦敦分校计算机系） ； Nottingham Trent University（诺丁汉特伦特大学） ； Trasna-Solutions Ltd.（Trasna-Solutions有限公司） ； Department of Computer Science and Electrical Engineering, University of Maryland Baltimore County（马里兰大学巴尔的摩县计算机科学与电气工程系） ； Department of Electrical and Computer Engineering, Johns Hopkins University（约翰霍普金斯大学电气与计算机工程系） 纠错

AI总结 本文提出了一种双层gossip平行SGD框架，用于在资源受限的边缘设备上实现去中心化的联邦学习，通过高效模型聚合和通信结构，提升协作学习的准确性和效率。

Journal ref IEEE Pervasive Computing, 2026