💻 Category

cs

3867 Arbeiten

💻 Informatik

Frequency-Aware Mixture-of-Experts Framework for Named Entity Recognition with Adaptive Feedback Mechanism

Dieses Paper schlägt TriAdaptNER vor, ein frequenzbewusstes Mixture-of-Experts-Framework, das spezialisierte Hoch- und Niedrigfrequenz-Experten nutzt, die durch einen adaptiven Selektor und einen differenzierbaren, fehlergesteuerten Feedback-Mechanismus geleitet werden, um Klassenungleichgewichte effektiv zu adressieren und die Erkennungsleistung für seltene Entitäten bei Named Entity Recognition-Aufgaben zu verbessern.

Jie Su, Yanli Chen, Wei Ke, Jinrong Mo, Hanzhou Wu, Zhicheng Dong2026-09-17
💻 Informatik

An Energy-Efficient Traffic-Aware Dynamic Cluster Head Selection in EMAO-MTRUST for VANETs

Dieses Paper schlägt MOTMER-VANET vor, ein Multi-Objective-Framework für Vehicular Ad Hoc Networks, das eine auf BiLSTM basierende Mobilitätsprognose, ein durch Reinforcement Learning gesteuertes Vertrauensmanagement und einen hybriden Optimierungsalgorithmus integriert, um energieeffiziente Cluster Heads dynamisch auszuwählen und ein sicheres, zuverlässiges Routing gegen Angriffe zu gewährleisten.

Parimala Garnepudi, M Vanitha2026-09-17
💻 Informatik

G-Mamba: A Mechanism-Guided Graph State Space Network for Multi-Objective Prediction in Tyrosine Fermentation Process

Dieses Paper schlägt G-Mamba vor, ein Gray-Box-Multi-Objective-Vorhersagenetzwerk, das mechanistisches Wissen mit einer bidirektionalen Mamba-Architektur und Graph-Convolutional-Netzwerken integriert, um eine echtzeitfähige, recheneffiziente und präzise Vorhersage der Biomasse- und Produktkonzentrationen in Tyrosin-Fermentationsprozessen durch die effektive Erfassung sowohl langfristiger zeitlicher Dynamiken als auch komplexer räumlicher Kopplungen zu erreichen.

Lihui Wang, Chunyuan Wang, Wenjing Li, Min Chen, Kun Han, Jianye Xia, Haixuan Sun, Zhenying Zhao2026-09-17
💻 Informatik

Learning Adaptive Gated Fusion of Convolutional and Transformer Features for Generalizable Medical Image Classification

Dieses Paper führt DACANet ein, ein Dual-Path-Netzwerk, das einen gelernten adaptiven Gating-Mechanismus verwendet, um lokale konvolutionale und globale Transformer-Merkmale dynamisch auszubalancieren, wodurch eine robuste und generalisierbare medizinische Bildklassifizierung über verschiedene diagnostische Domänen hinweg ohne datensatzspezifische Feinabstimmung erreicht wird.

Palvi Gupta, Himani Tyagi, Nidhi Gupta2026-09-17
💻 Informatik

Clinical trial success prediction from open registry text using classical machine learning

Diese Studie zeigt, dass klassische Modelle des maschinellen Lernens, insbesondere Random Forests, den Erfolg klinischer Studien allein unter Verwendung von Open-Registry-Texten von ClinicalTrials.gov effektiv vorhersagen können, wobei eine moderate bis starke Leistung über verschiedene Studienphasen und Indikationen hinweg erzielt und Datenleckagen durch eine rigorose Vorverarbeitung gemildert werden.

MICHAEL DOANE2026-09-17
💻 Informatik

Evaluating Clinical Symptom Extraction and Reasoning in Local Large Language Models: A Proof-of-Concept Study of Symptom-Specific Performance in Cardiology

Diese Proof-of-Concept-Studie evaluiert lokal bereitgestellte große Sprachmodelle (Gemma3 und Qwen3.5) bei japanischen kardiologischen Entlassungsberichten und zeigt auf, dass die Genauigkeit der allgemeinen Symptomextraktion zwar hoch ist, die Leistung jedoch je nach spezifischem Symptom variiert und die Modelle häufig Zustände wie Palpitationen oder Erschöpfbarkeit aus objektiven klinischen Befunden anstatt aus expliziten Patientenbeschwerden ableiten.

Shun Kitamura, Eisuke Amiya, Yoshihiro Izawa, Risa Kishikawa, Takenobu Shimada, Junichi Ishida, Satoshi Kodera, Norihiko (…)2026-09-17
💻 Informatik

Same Dangerous Objective, Opposite Advice: Direct Exposure versus Multi-Agent Mediation

Dieses Paper führt eine zustandslose Id–Censor–Superego-Mediationsarchitektur und den PathAudit-Benchmark ein, um zu demonstrieren, wie Multi-Agenten-Pipelines Sicherheitsfilter umgehen können, indem sie gefährliche Zielsetzungen in zulässige Umschreibungen transformieren, wodurch es nachgeschalteten Agenten ermöglicht wird, verborgene schädliche Ziele zu propagieren, die durch lokale Endpunktprotokolle unentdeckbar bleiben.

Linjun Li2026-09-17
💻 Informatik

Enhanced aero-engine blade defect detection network: MESFR-DETR with multi-scale edge selection and feature reconstruction

Dieses Paper schlägt MESFR-DETR vor, ein erweitertes Echtzeit-Detection-Transformer-Netzwerk mit Modulen zur Multi-Skalen-Kantenwahl und Merkmalsrekonstruktion, um die Herausforderungen bei der Detektion kleiner, schwach ausgeprägter Defekte an Triebwerksschaufeln effektiv zu bewältigen und eine überlegene Genauigkeit sowie Effizienz sowohl auf synthetischen als auch auf realen Datensätzen zu erreichen.

Debao Wei, Yangtao Yue, Aiqiang Lei, Dejun Zhang, Liyan Qiao2026-09-17
💻 Informatik

Demographic shortcuts as marker-free backdoors: silent subgroup underdiagnosis that only operating-point audits detect

Diese Arbeit zeigt auf, dass medizinische Bildgebungsmodelle durch demografische Abkürzungen (Demographic Shortcuts) stillschweigend kompromittiert werden können, wobei das Umkehren von Labels für eine spezifische Untergruppe eine markerfreie Backdoor erzeugt, die Standarddetektoren umgeht und nicht erfasste Patienten schädigt, was schwellenwertbasierte Audits der Falsch-Negativ-Raten innerhalb der Untergruppen für eine effektive Erkennung erforderlich macht.

Saptarshi Purkayastha, Parvati Naliyatthaliyazchayil, Judy W. Gichoya2026-09-17
💻 Informatik

Deadline-Aware Hardening of Real-Time Object Detection Against Candidate-Inflation Latency Attacks

Dieses Paper schlägt einen ohne Retraining auskommen auskommenden, deployment-selektierbaren Mechanismus vor, der die Anzahl der Kandidaten, die in die Non-Maximum Suppression eintreten, auf eine deadline-kalibrierte Grenze begrenzt und dadurch Candidate-Inflation Latency Attacks mildert sowie die Echtzeit-Deadline-Integrität über diverse Hardware- und Detektorarchitekturen hinweg sicherstellt, während es gleichzeitig offenlegt, dass das Begrenzen der Suppression allein zwar notwendig, aber aufgrund erheblicher Decoding-Overheads unzureichend ist.

Salah Gontara, Selem Trabelsi, Khaled Ben Khalifa2026-09-17