💻 Category

cs

2354 Arbeiten

💻 computer science

HAG-EUNet: Attention-Guided Deep Learning for Choroid Segmentation and Clinical Biomarker Extraction in Optical Coherence Tomography

Das Papier stellt HAG-EUNet vor, ein hybrides Deep-Learning-Modell, das einen EfficientNet-B3-Encoder mit einem Transformer-erweiterten U-Net-Decoder kombiniert, um eine automatisierte, hochpräzise Choroidalsegmentierung in OCT-Bildern zu erreichen und 32 klinisch relevante Biomarker zu extrahieren, wobei es Standard-U-Net-Baselines sowohl in der Genauigkeit als auch in der Effizienz signifikant übertrifft.

Jom Binoy, Gayathri S2026-08-25
💻 computer science

KORAL-Net: Ordered Volumetric Representation and Boundary- Preserving Reconstruction for Three-Phase 3D DCE-MRI Segmentation

KORAL-Net ist eine geordnete 3D-Segmentierungsarchitektur, die die volumetrische Repräsentation von der multiskaligen Merkmalsrekonstruktion trennt, um Grenzbeweise in der dreiphasigen DCE-MRT zu bewahren, wodurch im Vergleich zu nnU-Net v2 sowohl auf internen als auch auf kohortenübergreifenden I-SPY-Datensätzen überlegene Dice-Scores und reduzierte Falsch-Positiv-Raten erreicht werden.

Gaixing Wei, Dezhen Zeng, Da Zeng, Shenglin Qin2026-08-25
💻 computer science

Artificial Neural Expert System based YOLOGen1_{Gen_1} detector for Autonomous Driving Problem

Dieses Paper schlägt ein Universal Autonomous Driving System (UADS) vor, das einen hochpräzisen, evolvierten YOLOGen1_{Gen_1}-Detektor mit einem Artificial Neural Expert System (ANES) und Large Language Models (LLM) integriert, um eine hochmoderne Objekterkennung und autonome Entscheidungsfindung zu erreichen und gleichzeitig NP-schwere Herausforderungen im autonomen Fahren zu bewältigen.

Maher Helaoui2026-08-25
💻 computer science

Eliminating the Teacher Model: Uncertainty-Driven Data Selection for Resource-Constrained Recovery of Pruned Large Language Models

Dieses Paper stellt PASER-NLL vor, eine lehrerfreie Datenselektionsmethode, die das versagende KL-Divergenz-Signal geprunter Modelle durch die Negative Log-Likelihood des Studenten ersetzt, um unter aggressivem strukturellem Pruning eine überlegene Recovery-Performance und signifikante Ressourceneinsparungen zu erreichen.

Xianju Hao, Xiaozhao Fang, Yue Huang, Weijun Lv2026-08-25
💻 computer science

The Largest Robot in the World: Agentic Conversational Control of a Particle Accelerator via MCP and Digital Twin

Dieses Paper präsentiert eine KI-gestützte Steuerungsarchitektur für den Teilchenbeschleuniger Elettra 2.0, die Large Language Models und das Model Context Protocol innerhalb eines hierarchischen Frameworks integriert, um eine sichere Steuerung mittels natürlicher Sprache über einen Digital Twin zu ermöglichen, wobei Erfolgsraten von über 95 % bei Befehlen ohne unsichere Aktionen erreicht werden.

R. Pugliese, E. Allaria, A. Bogani, G. Gaio, L. Pivetta, C. Scafuri, L. Zambon, E. Karantzoulis, S. Krecic, G. Kourousia (…)2026-08-25
💻 computer science

Performance Analysis of Neural Network Models Integrating Attention Mechanisms in Translation Alignment Tasks

Diese Studie schlägt ein durch Multi-Head-Attention (MHA) erweitertes Bidirectional Long Short-Term Memory (BiLSTM)-Modell vor, um Einschränkungen in der Neuronalen Maschinellen Übersetzung zu adressieren, wobei eine überlegene Leistung in Bezug auf Alignment-Genauigkeit sowie BLEU- und METEOR-Scores im Vergleich zu bestehenden Methoden nachgewiesen wird.

Dandan Wang2026-08-25
💻 computer science

MAL-BAYES-III: Hamiltonian Monte Carlo Posterior Neural-Head Inference for Calibrated Obfuscated Malware Detection in Memory Forensics

Diese Studie stellt MAL-BAYES-III vor, ein partiell-Bayessches Framework, das ausschließlich Hamiltonian Monte Carlo auf einen kompakten Klassifizierungskopf anwendet, um kalibrierte, unsicherheitsbewusste Wahrscheinlichkeiten für die Erkennung von obfuskierter Malware in der Speicherforensik zu generieren, was trotz der Tatsache, dass es herkömmliches Gradient Boosting in der rohen Genauigkeit nicht übertrifft, diagnostischen Wert und selektive Überprüfungsmöglichkeiten bietet.

William Atuahene Agyei, Michael Asante, Kwabena Owusu-Agyemang, Kate Takyi2026-08-25
💻 computer science

Modeling Functional Urban Centrality via Graph Attention Networks and Multi-Source Spatial Data Fusion

Diese Studie führt ein unüberwachtes Graph Attention Network Autoencoder (GAT-AE)-Framework ein, das multiquellige Geospatialdaten mit der Topologie von Straßennetzen fusioniert, um die dynamische funktionale urbane Zentralität zu modellieren, und demonstriert dabei eine überlegene räumliche Kohärenz sowie die Fähigkeit, komplexe nichtlineare urbane Phänomene im Vergleich zu traditionellen linearen Methoden zu identifizieren.

Rida AZMI, Jérôme CHENAL, Oussama KHARBACH, El Bachir DIOP, Seyid Abdellahi EBNOU ABDEM, Ayoub LAHLOUH, Mariem BOUNABI (…)2026-08-25
💻 computer science

From Reasoning Allocation to Behavioural Specialisation: Boundary Results in Multi-Robot Systems

Diese Arbeit zeigt auf, dass die ergebnisorientierte Zuweisung von Argumentationsprozessen zwar theoretisch wertvoll ist, ihre praktische Implementierung in Multi-Roboter-Systemen jedoch durch die intrinsische Sparsamkeit hochgradig wertvoller Gelegenheiten stark begrenzt wird, was zu einem Kollaps der Klassifikatoren in gelernten Routern führt und das Entstehen echter emergenter kollektiver Kognition durch Delegation oder Spezialisierung verhindert.

Pouya Mansournia2026-08-25✓ Author reviewed ⓘ
💻 computer science

Hybrid ICA–Local Search for the Multi-Depot Vehicle Routing Problem

Dieses Paper schlägt einen zweischichtigen, hybriden Imperialist Competitive Algorithm vor, der mit einer lokalen Suche kombiniert wird, um gleichzeitig die Kunden-zu-Depot-Zuweisungen und die Fahrzeugrouten für das Multi-Depot Vehicle Routing Problem zu optimieren, wobei wettbewerbsfähige Ergebnisse mit Abweichungen von etwa 2 % auf Standard-Benchmarks erzielt werden.

Rafiatun Ferdous Khan Lubaba2026-08-25