💻 Category

cs

3864 Arbeiten

💻 Informatik

A Multimodal Mathematical and Computational Framework for Personalized Medication-Adherence and Cognitive-Risk Modeling in Alzheimer's Disease

Dieses Arbeitspapier schlägt ein siebenschichtiges mathematisches und computergestütztes Framework für die personalisierte Modellierung der Medikamentenadhärenz und des kognitiven Risikos bei Alzheimer vor und validiert dieses, wobei es anhand einer synthetischen Kohorte nachweist, dass temporale, teilnehmerkonditionierte Modelle des maschinellen Lernens populationsbasierte Baselines bei der Vorhersage von Adhärenzschwierigkeiten signifikant übertreffen.

Fareda Arafat2026-09-20
💻 Informatik

IPEK: Intelligent Priority-Aware Event-Based Trust with Asymmetric Knowledge for Resilient Vehicular Ad-Hoc Networks

Dieses Paper schlägt IPEK vor, ein intelligentes Vertrauensmanagement-Framework für Vehicular Ad-Hoc Networks, das asymmetrisches Wissen, Ereignisschweregrad-Bewusstsein und die auf Yagers DST basierende Fusion nutzt, um strategische Angreifer, die homogene Vertrauensmodelle ausnutzen, effektiv zu detektieren und dabei signifikant höhere Recall-Raten sowie niedrigere Falsch-Positiv-Raten als bestehende zentralisierte Schemata zu erreichen.

İpek Abasıkeleş-Turgut2026-09-19
💻 Informatik

Beyond direct AI exposure: Measuring network-mediated labor risk through multilayer occupational networks

Dieses Paper führt ein Multilayer Occupational Network (MONET) und ein Relation-Aware Multilayer Graph Neural Network (RAM-GNN) ein, um Arbeitsrisiken jenseits der direkten KI-Exposition durch die Analyse struktureller Assoziationen innerhalb beruflicher Nachbarschaften zu identifizieren und bietet damit ein politisches Screening-Instrument, das die Detektionsgenauigkeit mit sozioökonomischer Vulnerabilität abwägt, während es gleichzeitig vor einer Fehl Anwendung auf individueller Ebene warnt.

Soyoung Park, Junghyun Oh, Minkyung Song, Jin-woo Lee, Jincheul Jang, Sungsu Lim2026-09-19
💻 Informatik

Development and Evaluation of Target-Specific Machine-Learning Scoring Functions for Monoamine Oxidase B

Diese Studie zeigt, dass, während zielspezifische maschinelle Lern-Scoring-Funktionen für MAO-B, insbesondere auf kombinierten Merkmalen basierende, fein abgestimmte Regressionsmodelle, generische Scoring-Funktionen auf unabhängigen Testdatensätzen signifikant übertreffen, ihre Früherkennungsleistung stark von der strukturellen Ähnlichkeit zu bekannten Aktiva beeinflusst wird, was die kritische Notwendigkeit eines rigorosen Benchmark-Designs und einer prospektiven Validierung unterstreicht, um die Generalisierung auf neuartige chemische Räume zu gewährleisten.

Sherif Adel Arafa Elsabbagh2026-09-19
💻 Informatik

Dissecting ADDQN: An Ablation Study for Deadline-Aware Task Scheduling in Fog Computing

Diese Arbeit präsentiert eine systematische Ablationsstudie, die zeigt, dass die überlegene Leistung des Attention-Enhanced Double Deep Q-Networks (ADDQN) für das fristenbewusste Aufgaben-Scheduling in der Fog-Computing-Umgebung entscheidend auf dem synergetischen Zusammenspiel seiner Komponenten beruht, wobei Reward Shaping und Dual-Path-Fusion als die signifikantesten Beitragen zu einem robusten Scheduling identifiziert wurden.

Nagwa Elmobark, Sara Elhishi, Alshaimaa M. Mohammed2026-09-19
💻 Informatik

Differentially and Integrally Attentive Convolutional-Based Real-Time Photoplethysmographic Signal Quality Classification

Dieses Paper schlägt ein Echtzeit-Framework auf Basis von Convolutional Neural Networks vor, das durch differenzielle und integrale Aufmerksamkeitsmechanismen erweitert wurde, um die Qualität von photoplethysmographischen Signalen über verschiedene Wearables hinweg robust zu klassifizieren, wobei eine hohe Genauigkeit sowie F1-Scores bei gleichzeitiger Abwägung zwischen Modellgröße und Leistung erzielt werden.

Rafael Lima, Italo Sandoval, Arthur Valencio, Maíssa Maniezzo, Pedro Garcia2026-09-18
💻 Informatik

The Imposed and Emergent Pieces of Convolution Under an Energy Budget

Diese Arbeit verwendet eine evolutionäre Suche unter einem Energiebudget, um faltungsbasierte neuronale Netze in vorgegebene Priors und emergente Strukturen zu zerlegen, wobei sie aufzeigt, dass spärliche Konnektivität und Gewichtsteilung natürlich entstehen, während kompakte Filter spezifische Mutationsmechanismen erfordern und die Komposition auf der Kanalachse ohne Aufsicht an eine Kapazitätsgrenze stößt.

Vasili Gavrilov2026-09-18