💻 Category

cs

4062 artículos

💻 ciencias de la computación

When Modality Importance Does Not Translate into Capacity Gains: A Controlled Study of Asymmetric Multimodal Recommendation

Este estudio controlado demuestra que aumentar la capacidad representacional para la modalidad de texto más informativa en los recomendadores multimodales de estilo FREEDOM no logra generar ganancias de precisión consistentes debido a que la capacidad añadida carece de una ruta de gradiente directa hacia el objetivo principal de clasificación, lo que resalta que la informatividad de la modalidad no se traduce automáticamente en mejoras de rendimiento a través de la asignación arquitectónica asimétrica.

Emin Talip Demirkiran2026-09-21
💻 ciencias de la computación

Towards Quantum Decision Intelligence: A Four-Qubit Architecture for Venture Capital's Non-Linear Dilemmas on a 156-Qubit IBM Heron Processor

Este artículo presenta HQDIS, un circuito cuántico variacional de cuatro cúbits probado en el procesador Heron de 156 cúbits de IBM para la evaluación de capital de riesgo, el cual demuestra una alta fidelidad entre el hardware y la simulación y un rendimiento comparable al de los modelos clásicos en un pequeño banco de pruebas sintético, aunque es superado por algoritmos clásicos en un segundo conjunto de datos sintéticos, lo que resalta las limitaciones actuales de la ventaja cuántica en este dominio.

Enrique Díaz de León López2026-09-21
💻 ciencias de la computación

Exact Incremental Updates for Continual Sequential Recommendation

Este artículo demuestra que, si bien un modelo lineal temporal de forma cerrada no puede igualar la precisión de los modelos base neuronales como CSTRec en la recomendación secuencial continua, su estrategia de actualización incremental de estadísticas suficientes ofrece una alternativa numéricamente exacta y computacionalmente eficiente frente a la resolución completa, mientras que las actualizaciones basadas en Woodbury fallan debido a las restricciones de memoria cuando los bloques de actualización exceden el tamaño del catálogo de artículos.

Emin Talip Demirkiran2026-09-21
💻 ciencias de la computación

Cyber-QEE Under Rigorous Validation: Ablation, Missingness, and Near-Duplicate Robustness in Network Intrusion Detection

Este estudio demuestra que, si bien la representación de energía estocástica Cyber-QEE puede mejorar condicionalmente la detección de intrusiones basada en XGBoost bajo escenarios específicos de ausencia severa de datos, no proporciona un valor predictivo consistente e independiente sobre las características estándar y a menudo se desempeña de manera comparable con los controles de ruido o permutados, lo que sugiere que sus beneficios son metodológicos más que universalmente generalizables.

Hussein Dedy2026-09-21
💻 ciencias de la computación

History-First Reliability-Gated Fusion for Sampled-Peak System and GPU Memory Utilization Prediction in HPC Clusters

Este artículo presenta un marco de fusión con prioridad en el historial y filtrado por fiabilidad que combina el almacenamiento en caché de historial de guiones exactos con un codificador Qwen2.5-Coder adaptado mediante LoRA para mejorar significamente la precisión de la predicción de la utilización de la memoria del sistema y de la GPU en clústeres de HPC, reduciendo al mismo tiempo la sobrecarga computacional mediante la inferencia selectiva.

Pan Chang, Xueru Chen, Guangchao Hu2026-09-21
💻 ciencias de la computación

Deep Transfer Learning for Automated Cervical Cell-Type Classification in Pap-Smear Images: A Comparative and Explainable Study

Este estudio demuestra que un modelo de aprendizaje de transferencia profundo basado en ResNet50, mejorado con técnicas de IA explicable como Grad-CAM, logra una alta precisión (91.50%) en la clasificación de cinco tipos distintos de células cervicales a partir de imágenes de frotis de Papanicolaou, aunque enfrenta desafíos específicos para distinguir entre las clases Koilocitótica y Metaplásica.

Prashansa D. Choksi, Vipul B. Bambhaniya, Chetan Shingadiya2026-09-21
💻 ciencias de la computación

Artificial Intelligence and Spirituality: A Systematic Scoping Review of Human-AI Engagement

Esta revisión de alcance sistemática de 19 estudios publicados entre finales de 2022 y 2026 revela que la IA conversacional se utiliza cada vez más para diversos propósitos espirituales y existenciales, sirviendo como una fuente única de autoridad, revelación emocional y facilitación de rituales, al tiempo que plantea preocupaciones éticas no resueltas con respecto al sesgo, la privacidad y la naturaleza de la autenticidad espiritual.

Anna Burcombe, Patricia Carlisle, Paul Best2026-09-21
💻 ciencias de la computación

Personalized Federated Learning Under Severe Statistical Heterogeneity: A Multi-Dataset Analysis of Accuracy, Tail Performance, and Client Fairness

Este artículo introduce un marco de evaluación riguroso y centrado en el cliente que utiliza múltiples conjuntos de datos para analizar el aprendizaje federado personalizado bajo una severa heterogeneidad estadística, evaluando conjuntamente la precisión global, el rendimiento en la cola inferior y las métricas de equidad para determinar si la personalización realmente beneficia a los clientes más desatendidos.

Md Shahanur Islam Shagor2026-09-21
💻 ciencias de la computación

CONFLUENCE: Does Cross-Scale Graph Attention Help Watershed Vegetation Forecasting?

Este artículo desafía la suposición de que las redes neuronales de grafos mejoran el pronóstico de la vegetación en las cuencas hidrográficas al demostrar que, en el estudio de caso del río Potomac, la atención de grafos de escala cruzada e incluso las topologías derivadas físicamente suelen tener un rendimiento inferior a los modelos base simples o a las conexiones aleatorias, lo que resalta la necesidad crítica de controles rigurosos de capacidad emparejada para evitar falsos positivos en la modelización ecológica.

Andrew Ma2026-09-21
💻 ciencias de la computación

Auditing Level-Capacity Ablations in Single-Stage Object Detectors: A Decoupling Patch, a Fixed-Calibre Repair, and the Limits of Budget-Mismatch Ratios

Este artículo demuestra que el Ratio de Desajuste de Presupuesto de Nivel (LBMR, por sus siglas en inglés), una métrica propuesta para guiar la reasignación de capacidad en detectores de objetos de etapa única, falla como herramienta de optimización accionable debido a las respuestas de precisión no lineales, las dependencias arquitectónicas acopladas y los resultados dominados por Pareto, mostrando finalmente que un parche de desacoplamiento y una reparación de calibre fijo no ofrecen ningún beneficio mensurable sobre las configuraciones por defecto.

Pinchao Huang, Xingying Cai2026-09-21