💻 Category

cs

2358 Arbeiten

💻 computer science

PatchMamS2S: A Mamba-based Multivariate Time Series Forecasting Model in Power Domain with Patch Mining via Prior-based Weight Fusion

Dieses Paper schlägt PatchMamS2S vor, ein leichtgewichtiges, auf Mamba-2 basierendes Modell zur Vorhersage multivariater Zeitreihen, das speziell für den Energiebereich entwickelt wurde und Patch-Mining, physikalisch prior-gesteuerte Gewichtsfusion sowie eine effiziente Seq2Seq-Architektur kombiniert, um die Genauigkeits-Ressourcen-Trade-offs bestehender universeller Modelle zu überwinden.

Yuhan Lin, Haoyuan Ouyang, Hongyu Chen, Liping Xiong, Zhiyong Hong, Zhishuang Wang2026-08-12
💻 computer science

BioKG Explorer: Interactive Visual Analytics for Biomedical Knowledge Graph Exploration over PrimeKG

BioKG Explorer ist eine Full-Stack, Open-Source-Webanwendung, die durch die Kombination von Neo4j-basierter Graph-Traversal, krankheitsspezifischer Analytik und LLM-gestützten Pfaderklärungen innerhalb einer browserbasierten Benutzeroberfläche interaktive, No-Code-Visual-Analytics und Hypothesengenerierung über den großskaligen PrimeKG-Biomedical-Knowledge-Graph ermöglicht.

Faizan Faisal2026-08-11
💻 computer science

Combining Generative AI and Knowledge Graphs in an Agent-Based Framework for Explainable Industrial Plant Intelligence

Dieses Paper schlägt ein modulares Multi-Agenten-Framework vor, das Process Mining, dynamisch aktualisierte Knowledge Graphs und Retrieval-Augmented Large Language Models integriert, um eine erklärbare, semantische Analyse von industriellen Produktionsprozessen und Lieferketten zu ermöglichen und dadurch den manuellen Aufwand zu reduzieren sowie die menschliche Entscheidungsfindung beim Übergang hin zur Industrie 5.0 zu verbessern.

Marco Gotelli, Filippo Ghisi, Matteo Mangini, Fabrizio Barpi, Antonio Giovannetti2026-08-11
💻 computer science

A Topology-Driven Quantum Suitability Estimator for Hybrid QAOA–Classical Pipelines

Dieses Paper führt QSE ein, einen topologiegesteuerten Schätzer, der polynomielle Graphmerkmale nutzt, um die erwartete Performance-Lücke zwischen klassischen Heuristiken und exakten Max-Cut-Lösungen vorherzusagen, was eine hybride Pipeline ermöglicht, um Teilgraphen dynamisch an Quantenalgorithmen, klassische Heuristiken oder menschliche Überprüfung zu routen, während gleichzeitig kritische technische Korrekturen dokumentiert werden, die die physikalische Validität der zugrunde liegenden QAOA-Simulationen sicherstellten.

Rohan Boddu2026-08-11
💻 computer science

A Multi-Modal Learning Analytics Framework for Academic Early Warning and Student Risk Prediction in Higher Education

Diese Studie schlägt ein multimodales Lernanalyse-Framework vor und validiert dieses, welches diverse akademische, demografische, verhaltensbezogene und psychologische Daten mit fortschrittlichen Ensemble-Baummodellen integriert, um Studierendenrisikostufen (niedrig, mittel, hoch) präzise vorherzusagen und proaktive akademische Interventionen im Hochschulwesen zu ermöglichen.

Zhuotao Fang, Zhen Yan, Taotao Chen, Weixing Zou2026-08-11
💻 computer science

Evaluating Hyperparameter Sensitivity in Temporal Convolutional Networks for Short-Term Electric Load Forecasting Using Grid Search

Diese Studie nutzt eine systematische Gittersuche auf den halbstündlichen Lastdaten von Queensland, um zu demonstrieren, dass die Optimierung von fünf Schlüsselhyperparametern in Temporal Convolutional Networks – insbesondere die Identifizierung einer Konfiguration mit einer Eingangsgröße von 336 Schritten und einer Lernrate von 0,0005 – den Vorhersagefehler im Vergleich zu einem Referenzmodell um über 55 % reduzieren kann, was hervorhebt, dass eine koordinierte Parameterabstimmung entscheidender ist als die bloße Erhöhung der Modellkapazität für die kurzfristige elektrische Lastprognose.

Tuan Anh Nguyen, Thanh Ngoc Tran2026-08-11
💻 computer science

FeatExtractNet: Point Cloud-Enhanced Architecture for Thermal and Acoustic FieldPrediction

Dieses Papier schlägt FeatExtractNet vor, eine durch Punktwolken erweiterte neuronale Architektur, die domänenspezifische Designs einsetzt – durch die Kombination von mehrstufiger Merkmalsextraktion mit kreuzschichtweiser Gated-Fusion für irreguläre thermische Felder und Fourier-Feature-Residual-MLPs für reguläre akustische Gitter –, um die Lösungsgenauigkeit signifikant zu verbessern und die relativen L2-Fehler bei der Vorhersage komplexer thermischer und akustischer Felder, die durch nichtlineare partielle Differentialgleichungen bestimmt werden, zu reduzieren.

Xun Yuan, Gulin Wang, Junxiang Yang, Hongfei Guo, Jianqing Li2026-08-11
💻 computer science

MERT-SpecAMGCNet: Attention-Modulated Gated Convolutional Network for Robust Music Genre Classification with Cross-Dataset Generalization

Dieses Paper schlägt MERT-SpecAMGCNet vor, eine Dual-Branch-Architektur, die vortrainierte MERT-Wellenform-Repräsentationen effektiv mit einem frequenzbewussten Log-Mel-Spektral-Zweig unter Verwendung von Gated Convolutions und Attention-Mechanismen kombiniert, um eine robuste Musikgenre-Klassifizierung und eine starke Cross-Dataset-Generalisierung zu erreichen.

Agrima Malviya, Rashi Agarwal2026-08-11
💻 computer science

Topology-Constrained Attention Networks: A Topology-Derived Robustness Margin for High-Frequency Cyber-Physical Systems

Dieses Paper schlägt Topology-Constrained Attention Networks (TCAN) vor, eine Architektur, die differenzierbare topologische Kerne in Self-Attention-Mechanismen integriert, um eine theoretische Robustheitsmarge gegen adversarielle Angriffe in hochfrequenten cyber-physischen Systemen abzuleiten, wobei ein mathematisches Framework sowie ein experimentelles Protokoll für eine zukünftige Validierung skizziert werden, ohne jedoch bereits empirische Ergebnisse zu präsentieren.

Anmol Devansh2026-08-11