💻 Category

cs

2275 Arbeiten

💻 computer science

Lightweight Semantic Embeddings Enable Redundancy-Sensitive Knowledge Graph Construction for LLM-Based Document Processing

Dieses Paper stellt AMODD vor, eine durch ML augmentierte Pipeline, die leichtgewichtige semantische Embeddings nutzt, um redundante Dokumentensektionen zu deduplizieren und Graph-Entitäten zu clustern, wodurch der Token-Verbrauch sowie die Latenz für LLMs bei der Konstruktion von Wissensgraphen signifikant reduziert werden, während gleichzeitig eine hohe Retrieval-Qualität beibehalten wird.

Sedar Olmez, Maxim Smilovitskiy, Koichi Yokota2026-09-11
💻 computer science

Development and pilot validation of an AI-assisted self-practice system for erhu performance assessment and score-aligned feedback

Dieses Papier präsentiert die Entwicklung und Pilotvalidierung eines KI-gestützten Selbstübungssystems für die Erhu, das optische Musikerkennung, Pitch-Tracking und Dynamic Time Warping integriert, um partiturabgestimmtes Feedback zu liefern, wobei eine starke Korrelation mit Expertenbewertungen sowie eine hohe Benutzerfreundlichkeit unter Konservatoriumsstudierenden nachgewiesen wird.

Xingzhi Guan, Hanjun Su, Masanori Fukui, Zhe Ji2026-09-11
💻 computer science

Possibility Ethics: Measuring Moral Value as the Expansion of Safe Future Options in Sociotechnical Systems

Dieses Paper führt „Possibility Ethics“ ein, ein konzeptuell-komputationales Framework, das soziotechnische Systeme bewertet, indem es deren Auswirkungen auf ethisch zulässige zukünftige Möglichkeiten durch eine neuartige Metrik namens Option Entropy quantifiziert, welche mittels des Omega-PE Toolkits implementiert wird, um distributionale Opportunitätsverluste aufzuzeigen, die von aggregierten Maßen oft übersehen werden.

Mohammad Amir Khusru Akhtar2026-09-11
💻 computer science

RL-Assisted A-Teams for Adaptive Algorithm Selection in UGV-UAV Route Optimization

Dieses Paper schlägt ein neuartiges, durch Reinforcement Learning unterstütztes A-Teams Hyper-Heuristik-Framework vor, das die Echtzeit-Routenoptimierung für kollaborative UAV-UGV-Systeme signifikant beschleunigt, indem es nahezu optimale Lösungen 30–70 % schneller als bestehende Methoden liefert und sich gleichzeitig effektiv an dynamische Umweltveränderungen anpasst.

Subramanian Ramasamy, Md Safwan Mondal, James D. Humann, James M. Dotterweich, Pranav Bhounsule2026-09-11
💻 computer science

Jacobi-Enhanced Dynamic Hypergraph Learning for Graph-Based Fraud Detection

Das Papier schlägt JK-DHGNN vor, ein Dual-View-Framework, das einen Top-KK dynamischen Hypergraphen-Generator, Jacobi-Spektralfilterung und einen auf Jacobi-Polynomen basierenden Klassifikator integriert, um Finanz- und E-Commerce-Betrug durch die Modellierung sowohl paarweiser Beziehungen als auch höherwertiger Zugehörigkeiten effektiv zu erkennen, wobei eine überlegene Leistung auf den YelpChi- und Amazon-Datensätzen erzielt und die datensatzabhängige Wirksamkeit der Komponenten demonstriert wird.

Danyang Li, Jie Shen, XiangBeng Yang, Zhenkai Qin2026-09-11
💻 computer science

A lightweight boundary-refinement module improves entity mention accuracy in biomedical named entity recognition without degrading correct predictions

Dieses Paper führt ein leichtgewichtiges, Post-hoc-Boundary-Refinement-Modul (BRM) ein, das die Genauigkeit der biomedizinischen Benennung von Entitäten signifikant verbessert, indem es Grenzfehler korrigiert, ohne bestehende korrekte Vorhersagen zu verschlechtern, wodurch dadurch die Stabilität der nachgelagerten Relationsextraktion erhöht wird, während gleichzeitig minimale Rechenressourcen benötigt werden.

Julius Beneoluchi Odili, Wasiu Oluwagbenga Hassan2026-09-11
💻 computer science

A Bounded, Learnable Uncertainty Gate and Feature Augmentor for Deep Malware Detection

Dieses Paper stellt ChaosEntropyGate v2 (CEG-2) vor, einen beschränkten, lernbaren Unsicherheits-Gating-Mechanismus gepaart mit einem Feature-Augmentor, der, während er die Deep-Learning-basierte Malware-Erkennung in spezifischen Regimen moderat verbessert und frühere Instabilitätsprobleme korrigiert, letztlich bestätigt, dass abgestimmte Baum-Ensembles weiterhin die robusteste und kosteneffizienteste Lösung für diese Aufgabe darstellen.

Prakash Kumar Panigrahi, Neha Janu, Jayesh Gangrade2026-09-11
💻 computer science

Deploying machine learning for remaining useful life prediction of lithium-ion batteries on Coral Dev Board

Diese Arbeit evaluiert und vergleicht die Leistungsfähigkeit von Random Forest-, XGBoost- und Temporal Convolutional Network-Modellen für die Vorhersage der Restlebensdauer von Lithium-Ionen-Batterien und demonstriert deren praktische Implementierung und Effektivität auf dem Coral Dev Board für die vorausschauende Wartung in Elektrofahrzeugen.

Mariem Boujneh, Nesrine Majdoub, Taoufik Ladhari, Ali Serdar Atalay, Anis Sakly2026-09-11
💻 computer science

APOSM: Pairwise preference learning improves generative small-molecule design

Das Paper stellt APOSM vor, ein Active-Learning-Framework, das das Design kleiner Moleküle verbessert, indem es ein Graph Neural Network Surrogate auf paarweisen molekularen Vergleichen anstatt auf absoluten Scores trainiert und dadurch die Zielerreichung sowie die Sampling-Effizienz in verrauschten Screening-Regimen signifikant steigert.

Marcus W. Dreisler, Richard Michael, Nikos Hatzakis, Wouter Boomsma2026-09-11
💻 computer science

Integrated Gradient-guided Adversarial Counterfactual Explanations of 12-lead Electrocardiograms

Dieses Paper stellt InterGRACE vor, ein integriertes, durch Gradienten gesteuertes adversariales Framework, das klinisch bedeutsame kontrafaktische Erklärungen für 12-Kanal-EKGs generiert, indem es auf entscheidungsrelevante Merkmale wie das ST-Segment und die T-Welle abzielt und somit die Interpretierbarkeit von KI-Modellen für die Detektion von Myokardinfarkten verbessert.

Bjørn-Jostein Singstad2026-09-11