cs Arbeiten | Gist.Science

Condition-Aware Multiscale Hourglass-Transformer for Remaining Useful Life Prediction of Turbofan Engines

Dieses Paper schlägt ein Condition-Aware Multiscale Hourglass-Transformer (CA-MHT) Modell vor, das die Vorhersage der Restlebensdauer von Turbofantriebwerken unter variierenden Betriebsbedingungen durch regime-spezifische Normalisierung und multiskalige temporale Analyse verbessert, während es SHAP und Integrated Gradients nutzt, um die Abhängigkeit des Modells vom temporalen Sensorverhalten zu validieren und die Transparenz der Entscheidungsfindung zu gewährleisten.

Mubashar Abbas2026-09-04

💻 Informatik

One Vector Is All You Need for O(1) Self-Attention: The Ocean State

Dieses Paper führt „Ocean State“ ein, eine Methode, die die Standard-Self-Attention durch einen einzelnen persistenten Vektor ersetzt, um eine $O(1)$ Rechen- und Speicherkomplexität zu erreichen und gleichzeitig überlegene Trainingsstabilität sowie keinerlei Anzeichen von Vergessen selbst bei einem Kontext von 10 Millionen Schritten zu demonstrieren.

SHUYUAN YU2026-09-04

💻 Informatik

NumaRing: Topology-Aware Routing for NUMA-Local MPMC Queues, and What Broke When We Optimized It

Dieses Paper präsentiert NumaRing, eine topologiebewusste MPMC-Queue-Implementierung, die aufzeigt, wie profilergestützte Erkenntnisse – insbesondere die Eliminierung eines kostspieligen Topologie-Lookups pro Operation, die Behebung eines Shared-Atomic-Engpasses beim Work-Stealing und die Entfernung eines ineffektiven CPU-Pause-Backoffs – die Performance drastisch verbessern können, während gleichzeitig offenbart wird, dass selbst mit diesen Optimierungen der Rohdurchsatz auf einem Zwei-Socket-System weit unter den ursprünglichen Designzielen bleibt.

Parth Sinha2026-09-04

💻 Informatik

Enhanced Prediction of Blood Quality Using Ensemble RF

Diese Studie schlägt ein automatisiertes hämatologisches Klassifizierungssystem vor, das ein Enhanced Randomized Forest (ERF) Ensemble-Modell verwendet, welches anhand von 7.196 CBC-Patientenakten trainiert wurde, andere Algorithmen des maschinellen Lernens in der diagnostischen Genauigkeit übertrifft und SHAP- sowie LIME-Techniken nutzt, um die Interpretierbarkeit des Modells für die klinische Entscheidungsunterstützung zu gewährleisten.

AVIJIT KUMAR CHAUDHURI2026-09-04

💻 Informatik

DriveSafe AI: Quantifying the Preprocessing Bottleneck in Lightweight Driver Drowsiness Detection

Dieses Paper identifiziert Vorverarbeitungslimitierungen, spezifisch SSD-Bounding-Box-Einschränkungen, als die primäre Ursache für Genauigkeitsverluste in leichtgewichtigen Systemen zur Erkennung von Fahrerübermüdung und schlägt eine Lösung vor, die eine CLAHE-adaptive Vorverarbeitung, ein Drei-Zonen-Konfidenzprotokoll und dynamische Quantisierung kombiniert, um eine Genauigkeit von 99,0 % bei einer Latenz von unter 40 ms auf Edge-Geräten zu erreichen.

Ankush Karmakar2026-09-04

💻 Informatik

Residual Hybrid Quantum Vision Transformers for Edge-Compatible Knee Osteoarthritis Grading

Das Paper stellt QTRadX-KOA vor, ein hybrides Quanten-Klassik-Framework, das ein DenseNet-121-Backbone, einen leichtgewichtigen Transformer und einen neuartigen Residual Hybrid Quantum Head integriert, um eine randgerätekompatble, ressourceneffiziente Graduierung der Kniearthrose mit einer Leistung zu erreichen, die mit größeren klassischen Modellen vergleichbar ist, während die Parameteranzahl um etwa 90 % reduziert wird.

Hara Gopal V P, Nagaraju S2026-09-04

💻 Informatik

VeritasAI Multi Agent Framework for Explainable Fake News Detection Using Retrieval Augmented Generation

Dieses Paper stellt VeritasAI vor, ein erklärbares Multi-Agenten-Framework, das Retrieval-Augmented Generation und einen graphbasierten Wissensspeicher nutzt, um durch die Simulation adversarieller Debatten zwischen spezialisierten Agenten Fake News in Echtzeit zu erkennen und dadurch transparente, evidenzbasierte Urteile und Begründungen zu liefern, die herkömmliche Black-Box-Systeme übertreffen.

Sandarsh J N, Divya T L2026-09-04

💻 Informatik

Parameter-performance scaling of hybrid quantum-classical policies for demand-charge-aware battery control

Diese Studie zeigt, dass eine kompakte hybride Quanten-Klassik-Policy bei der lastspitzenbewussten Batteriensteuerung zwar ein klassisches Netzwerk gleicher Größe geringfügig übertreffen kann, dieser Vorteil jedoch schmal, aufgabenspezifisch und stellt keinen allgemeinen Quantenvorteil gegenüber schnelleren klassischen Baselines dar.

Eunsung Oh2026-09-04

💻 Informatik

Recursive Inference Machines

Dieses Paper führt Recursive Inference Machines (RIMs) ein, ein neuronales Reasoning-Framework, das neuronale Backbones mit klassischen rekursiven Inferenzschemata vereint, um die Leistung bei komplexen Reasoning-Benchmarks zu steigern und die Robustheit sowie Effizienz in Settings mit tabellarischen Daten zu verbessern.

Mieszko Komisarczyk, Saurabh Mathur, Maurice Kraus, Sriraam Natarajan, Kristian Kersting2026-09-03

💻 Informatik

Reliability by Design: A Shared Schema-Metadata Grounding and Catalogue-Constrained Extraction Architecture for Safe Natural-Language Access to Legacy Enterprise Systems

Dieses Papier präsentiert und validiert eine produktionsreife Architektur für den sicheren natürlichen Sprachzugriff auf Legacy-Unternehmenssysteme, die Zuverlässigkeit gewährleistet, indem sie die freie SQL-Generierung durch einen Schema-Metadaten-Navigationsgraphen und katalogbeschränkte Extraktion ersetzt und dadurch Halluzinationen sowie Sicherheitsrisiken durch Architekturdesign statt durch Modellgröße eliminiert.

Karan Khajuria, R. K. Bathla2026-09-03

← Zurück Weiter →