💻 Category

cs

4092 artículos

💻 ciencias de la computación

Spectral Basis Interpretable Unit: A Learned Orthogonal Projection Module for Interpretable Function Approximation and Unsupervised Regime Discovery

Este artículo presenta la Unidad de Base Espectral Interpretable (SBIU, por sus siglas en inglés), un módulo neuronal de inspiración clásica y motivado por la mecánica cuántica que utiliza proyecciones ortogonales aprendidas para lograr la aproximación universal de funciones y el descubrimiento de regímenes no supervisados con alta interpretabilidad y un rendimiento competitivo tanto en conjuntos de datos sintéticos como en datos clínicos del mundo real.

Kiarash Mohammadi2026-08-25
💻 ciencias de la computación

Dictionary-KAN: Resolving the Optimization Paradox of Kolmogorov-Arnold Networks via Complex RKHS, Machine-Verified Theory, and Discrete Hierarchical Refinement

Este artículo presenta Dictionary-KAN (DKAN), una arquitectura verificada por máquina que resuelve la paradoja de optimización de las Redes Kolmogorov-Arnold mediante el empleo de diccionarios RBF de coeficientes complejos y un refinamiento jerárquico discreto para lograr una regresión multivariante, recuperación de coeficientes de EDP y una interpretabilidad eficiente en hardware superiores, evitando al mismo tiempo los problemas de memoria y convergencia de las KAN basadas en splines continuos.

Kiarash Mohammadi2026-08-25
💻 ciencias de la computación

CONCORDAT: Trustworthy multimodal federated learning for autism research under incomplete, heterogeneous and privacy-constrained health data

CONCORDAT es un marco de aprendizaje federado de silos cruzados que permite la investigación multimodal del autismo de manera confiable y preservando la privacidad, mediante la integración de datos de salud heterogéneos e incompletos a través de múltiples sitios mientras aborda simultáneamente los desafíos de la ausencia de datos, la privacidad diferencial y la equidad de subgrupos.

Jarin Alam Prity2026-08-25
💻 ciencias de la computación

Fixed Point Theory Beyond Contractions for Deep Equilibrium Models

Este artículo hace avanzar los Modelos de Equilibrio Profundo al establecer una teoría de punto fijo que relaja el restrictivo requisito de contracción estricta, demostrando la existencia y unicidad bajo contracciones FF de Wardowski, demostrando la convergencia de la iteración de Krasnoselskii–Mann para operadores no expansivos, y derivando cotas de estabilidad Lipschitz para un entrenamiento robusto.

Milad tahavor, Tayyebe Haqiri, Reza Memarbashi2026-08-25
💻 ciencias de la computación

Dual Soft-Adaptive Aggregation for Long-Context LLMs_ Mitigating Sequence-and-Depth Information Dilution

Este artículo propone un marco de agregación suave-adaptativo unificado que mitiga la dilución de la información de secuencia y profundidad en los LLM de contexto largo mediante la introducción de Soft-ChunkAttn para la fragmentación semántica diferenciable y Virtual Dynamic Block-AttnRes para la fusión de capas adaptativa a la entrada, todo ello preservando el grafo de computación original para un despliegue eficiente en GPU.

Minzhe Liu2026-08-25
💻 ciencias de la computación

A Hierarchical Opponent-Modeling,World-Model, and Risk-Adaptive Planning Framework for Fair Adaptive Character Intelligence in Soulsl ike and AAACombat

Este artículo presenta EIDOLON-RL, un marco de aprendizaje por refuerzo jerárquico híbrido que integra el modelado de oponentes, el modelado del mundo y la planificación adaptativa al riesgo para generar personajes de IA justos, legibles y computacionalmente eficientes para juegos de acción AAA mediante la imposición matemática de restricciones de producción, tales como la validez de la animación y la imperfección intencional, en lugar de tratarlas como correcciones de ingeniería post hoc.

Jayachandiran Udayakumar2026-08-25
💻 ciencias de la computación

Control-aware training of physical neural networks for closed-loop regulation

Este artículo demuestra que optimizar las redes neuronales físicas con objetivos conscientes del control, los cuales priorizan la preservación de las clasificaciones de acciones candidatas sobre la precisión de regresión estática, mejora significativamente el rendimiento de la regulación de bucle cerrado y la robustez contra perturbaciones en tareas como la regulación homeostática y la estabilización de Cart-Pole.

Yuzhan Zhang2026-08-25
💻 ciencias de la computación

Deep Learning for Anomaly Detection in Dynamic Graphs: A Verified Taxonomy, Survey, and Unified Benchmark

Este artículo establece una taxonomía verificada y un banco de pruebas unificado para la detección de anomalías basada en aprendizaje profundo en grafos dinámicos, revelando que las heurísticas simples basadas en el grado a menudo superan a los modelos profundos complejos en bancos de pruebas sintéticos mientras fallan en datos del mundo real, y exponiendo fallas críticas en las prácticas de evaluación actuales y en las implementaciones publicadas.

Iyad Assaad NEKKA, Hamida Seba, Walid Khaled Hidouci, Karima Amrouche2026-08-25
💻 ciencias de la computación

Zero-Degradation Post-Hoc Explanations with Identity Pass-Through for Recurrent Graph Anomaly Detection

Este artículo presenta X-StrGNN, una capa de explicación post-hoc de degradación cero para el detector de anomalías en grafos StrGNN que proporciona atribuciones estructurales y temporales estables y de bajo costo para las aristas señaladas, preservando al mismo tiempo el rendimiento de detección del modelo original con precisión de máquina.

Iyad Assaad NEKKA, Hamida Seba, Walid Khaled Hidouci, Karima Amrouche2026-08-25