💻 Category

cs

2275 Arbeiten

💻 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
💻 computer science

Gender bias in the diagnosis of Alzheimer's Disease

Diese Studie zeigt, dass Fairness-bewusste maschinelle Lernmodelle, insbesondere solche, die Techniken zur Bias-Mitigierung wie den Disparate Impact Remover und Adversarial Debiasing einsetzen, geschlechtsspezifische Disparitäten bei der Klassifizierung der Alzheimer-Krankheit unter Verwendung von ADNI-Daten signifikant reduzieren können, während sie gleichzeitig eine hohe Vorhersagegenauigkeit beibehalten und die Interpretierbarkeit klinischer sowie geschlechtsspezifischer Determinanten verbessern.

Susanne Neufang, Atae Akhrif, Oya D Beyan, Neuroimaging Initiative2026-09-11
💻 computer science

An Automated, Contamination-Controlled VQA Benchmark for Evaluating Vision-Language Models on 3D Oncology Imaging

Dieses Paper führt eine automatisierte, kontaminationskontrollierte Benchmarking-Pipeline ein, die Multiple-Choice-Fragen aus privaten 3D-Onkologie-Bildgebungs- und Radiologieberichten generiert, um Vision-Language-Modelle rigoros zu evaluieren, wobei aufgezeigt wird, dass aktuelle Modelle häufig eher auf Textreizen oder Datensatzbekanntheit basieren als auf echter visueller Wahrnehmung.

Bo Liu, Hanxue Gu, Xiangru Li, Zheren Zhu, Jacob Ellison, Kang Wang, Ke Sheng, Steve Braunstein, Janine Lupo, Yang Yang (…)2026-09-11
💻 computer science

DualAttentionNet: A Lightweight Dual-Attention Framework for Robust Multi-Class EEG Digit Decoding

Dieses Paper stellt DualAttentionNet vor, ein leichtgewichtiges Deep-Learning-Framework, das das traditionelle EEGNet durch die Integration von Dual-Channel-Attention-Blöcken erweitert, um eine State-of-the-Art-Genauigkeit von 92,36 % bei der Multi-Class-EEG-Ziffern-Dekodierung zu erreichen und gleichzeitig Robustheit, Interpretierbarkeit sowie Recheneffizienz zu gewährleisten.

Md Rashidul Islam, Md Shakil Hossain, Md Saiful Arefin, Md Ridwan Ali, Nick Rahimi, Saydul Akbar Murad2026-09-11
💻 computer science

Enhancing the Robustness of Android Malware Detection Systems Against Adversarial Attacks: A Systematic Review of Defense Strategies and Emerging Challenges

Diese Arbeit präsentiert eine systematische Literaturübersicht (2020–2025) über KI-basierte Android-Malware-Detektionssysteme, analysiert deren Anfälligkeit gegenüber adversen Angriffen, evaluiert bestehende Verteidigungsstrategien und identifiziert kritische Lücken sowie zukünftige Forschungsrichtungen zur Erzielung einer robusten und vertrauenswürdigen Sicherheit.

Zahraddeen Bala, Fatima Umar Zambuk, Badamasi Imam Ya’u, Kabiru Ibrahim Musa2026-09-11
💻 computer science

LC-MSCKF: Hybrid Learned and Innovation-Feedback Covariance Calibration for Visual-Inertial Odometry

LC-MSCKF verbessert die Genauigkeit der visuell-inertialen Odometrie durch den Einsatz einer hybriden zweistufigen Unsicherheitskalibrierungsstrategie, die einen leichtgewichtigen gelernten Zweig zur Antizipation von Degradation mit einem Innovations-Feedback-Zweig zur beschränkten korrektiven Inflation kombiniert und dabei feste sowie einzweigige adaptive Baselines über verschiedene Benchmarks hinweg signifikant übertrifft.

Dhayaa Khudher2026-09-11