💻 Category

cs

3821 Arbeiten

💻 Informatik

An Efficient and Explainable CNN-Transformer Architecture for Brain Tumor MRI Classification with Deployment-Oriented Benchmarking

Diese Arbeit schlägt eine effiziente und erklärbare hybride CNN-Transformer-Architektur vor, die ein vortrainiertes ResNet50-Backbone mit einem leichtgewichtigen Transformer-Head kombiniert, um eine Genauigkeit von 97,40 % bei der Klassifizierung von Hirntumor-MRT-Aufnahmen zu erreichen, während gleichzeitig die rechnerische Effizienz gewahrt bleibt und eine visuelle Erklärbarkeit auf zwei Ebenen bereitgestellt wird, wodurch eine PCA-SVM-Baseline mit minimalem Overhead signifikant übertroffen wird.

Hoc Minh Le, Van Thuong Nguyen2026-10-05
💻 Informatik

DERC: Distributed Edge Reservoir Computation for Many Agents

Dieses Paper stellt DERC vor, ein verteiltes Edge-Reservoir-Computing-Framework, das ein einzelnes, auf den Rand des Chaos abgestimmtes Modell nutzt, um effizient und präzise vielfältige computergestützte Aufgaben über viele Agenten hinweg auszuführen, wobei demonstriert wird, dass die Reservoirgröße nicht mit der Vorhersagegenauigkeit korreliert und dass solche leichtgewichtigen Modelle die Leistung ressourcenintensiverer Alternativen in realen Anwendungen wie der Stromnetz- und Lastprognose erreichen können.

David A. Kaauwai, Jianna Gapuz, Felix Grote, Antje Neve, Bryan Donyanavard2026-10-05
💻 Informatik

Causal-Reasoning World Models: Toward AI’s Subjectivity through Backward Generation

Dieses Paper schlägt einen Paradigmenwechsel von nomenbasiertem zu verbbasiertem kausalem Denken in der KI vor, indem es ein Framework der „möglichen Zeitverteilung“ einführt, das agentenhaftes Weltmodellieren und kontrafaktische Deduktion auf individueller Ebene ermöglicht, wie am Beispiel von Verläufen bei Brustkrebspatientinnen demonstriert wird, und damit das theoretische Fundament für KI-Subjektivität legt.

Jia Li, Vipin Kumar, Rui Zhang2026-10-05
💻 Informatik

TeNS: A Temporal Neural Scoring Model for Temporal Knowledge Graph Completion

Das Papier schlägt TeNS vor, ein Temporal Neural Scoring Modell für die Vervollständigung temporärer Wissensgraphen, das einen lernbaren Zeit-Encoder und ein Multilayer-Perceptron-Scoring-Netzwerk nutzt, um komplexe zeitliche Muster und tiefe nichtlineare Interaktionen zu erfassen, wodurch es bestehende Baselines bei Link-Prediction-Aufgaben übertrifft.

Qingfan Deng, Baohua Qiang, Shihao Zhang, Hong Zheng, Ruidong Chen, Haoran Chen, Zhi Wang2026-10-05
💻 Informatik

JoinFinder: A Multi-Modal Architecture for Historical Manuscript Page Identification

JoinFinder ist ein multimodales Deep-Learning-Framework, das die Identität eines Manuskripts als skalierbaren überwachten Proxy nutzt, um robuste Embeddings für die Identifizierung und den Abruf historischer Manuskriptfragmente zu erlernen, wobei eine überlegene Leistung bei der Entdeckung potenzieller Zusammenfügungen innerhalb des Kairoer Geniza-Korpus erzielt wird, ohne dass explizite Zusammenfügungs-Annotationen erforderlich sind.

Omer Ventura, Daria Vasyutinsky-Shapira, Nachum Dershowitz2026-10-05
💻 Informatik

Mechanistic Interpretability of Discrete Logarithm Grokking: How Representation Determines the Internal Algorithm

Diese Arbeit zeigt, dass die Eingangsrepräsentation des diskreten Logarithmusproblems fundamental den von neuronalen Netzen entdeckten internen Algorithmus bestimmt, wobei offenbart wird, dass eine algebraische Ausrichtung auf die wahre Faktorisierung des Problems eine Voraussetzung für schnelle Generalisierung (Grokking) ist und dass die notwendigen interaktionsreichen Rechenstrukturen bereits während der Memorisierungsphase entstehen, lange bevor sich die Leistung verbessert.

David Vesterlund2026-10-05
💻 Informatik

From Pixels to Pairs: A Comprehensive Benchmark of LLM-Driven Key–Value Extraction in Noisy Document Settings

Dieses Paper führt ein umfassendes Benchmarking-Framework ein, das die Robustheit großer Sprachmodelle bei der Extraktion von Schlüssel-Wert-Paaren aus verrauschten, durch OCR generierten Dokumenten evaluiert, wobei aufgezeigt wird, dass die Leistung bei sauberem Text ein unzuverlässiger Indikator für die Zuverlässigkeit unter realen Bedingungen ist, und Annahmen über konsistente Modell-Rankings sowie den monotonen Nutzen von Few-Shot-Prompting infrage stellt.

Zahra Anvari2026-10-05
💻 Informatik

Reliability Modeling and Automated Incident Response for Cadence Based Distributed Systems SRE Signals and RCA Automation

Dieses Paper schlägt ein zuverlässigkeitsbewusstes Framework für die automatisierte Vorfallreaktion für Cadence-basierte verteilte Systeme vor, das eine Zuverlässigkeitsmodellierung auf Workflow-Ebene und angereicherte Monitoring-Signale integriert, um die Erkennung und Wiederherstellung zu beschleunigen und gleichzeitig die langfristige Systemstabilität zu verbessern.

Ehtesham Junaid2026-10-05
💻 Informatik

Learning the Limits of Discovery: Distinct Failure Signatures of SINDy, Neural ODEs, and PINNs Under Sparse and Noisy Observations

Diese Arbeit evaluiert systematisch die unterschiedlichen Fehlersignaturen von SINDy, Neural ODEs und PINNs unter spärlichen und verrauschten Beobachtungen und zeigt auf, wie Rauschen, Abtastgeometrie und Optimierungseinstellungen deren Präzision, Stabilität und Vorhersagegenauigkeit bei verschiedenen dynamischen Systemen differenziell beeinflussen.

Vedauv Rajkumar Leelavathi2026-10-05
💻 Informatik

From Prediction to Recommendation: A Hybrid Machine Learning and Fine-Tuned Language Model Approach for Soil-Based Crop Recommendation

Dieses Paper schlägt ein hybrides Framework vor, das XGBoost für eine präzise bodenbasierte Nutzpflanzenvorhersage mit einem mittels LoRA feinabgestimmten Sprachmodell kombiniert, um interpretierbare, landwirtschaftsfreundliche Top-K-Empfehlungen zu generieren, und demonstriert damit, dass die Integration von tabellarischem maschinellem Lernen mit generativer KI sowohl die Leistung als auch die Nutzbarkeit landwirtschaftlicher Entscheidungsunterstützungssysteme verbessert.

Yugandhar Akkaldevi2026-10-05