💻 Category

cs

4092 artículos

💻 ciencias de la computación

Platform Drift in Social-Media Image Forgery Detection and Localization: An Application-Level Analysis

Este artículo evalúa la robustez del sistema forense basado en REFORGE frente a las distorsiones inducidas por la plataforma a través de cuatro redes sociales y cuatro conjuntos de datos, encontrando que, si bien las decisiones de manipulación binaria permanecen estables, las puntuaciones de confianza y las geometrías de las máscaras exhiben una deriva mensurable, motivando así la adopción de la regularización de consistencia de OSN y la normalización condicionada por la plataforma para una mayor fiabilidad de la detección.

Yahya AL-Nabhani, Amirrudin Kamsin, Mohamad Nizam, Khalil Al Ruqaishi2026-08-12
💻 ciencias de la computación

PatchMamS2S: A Mamba-based Multivariate Time Series Forecasting Model in Power Domain with Patch Mining via Prior-based Weight Fusion

Este artículo propone PatchMamS2S, un modelo ligero de pronóstico de series temporales multivariantes basado en Mamba-2 diseñado para el dominio de la potencia que combina la minería de parches, la fusión de pesos guiada por prioris físicos y una arquitectura Seq2Seq eficiente para superar las compensaciones entre precisión y recursos de los modelos universales existentes.

Yuhan Lin, Haoyuan Ouyang, Hongyu Chen, Liping Xiong, Zhiyong Hong, Zhishuang Wang2026-08-12
💻 ciencias de la computación

BioKG Explorer: Interactive Visual Analytics for Biomedical Knowledge Graph Exploration over PrimeKG

BioKG Explorer es una aplicación web de código abierto y de pila completa que permite la analítica visual interactiva y sin código, así como la generación de hipótesis sobre el grafo de conocimiento biomédico a gran escala PrimeKG, combinando el recorrido de grafos basado en Neo4j, la analítica específica de enfermedades y las explicaciones de rutas mediante modelos de lenguaje de gran tamaño dentro de una interfaz basada en el navegador.

Faizan Faisal2026-08-11
💻 ciencias de la computación

Combining Generative AI and Knowledge Graphs in an Agent-Based Framework for Explainable Industrial Plant Intelligence

Este artículo propone un marco multiagente modular que integra la minería de procesos, grafos de conocimiento actualizados dinámicamente y modelos de lenguaje de gran tamaño con recuperación aumentada para permitir un análisis semántico y explicable de los procesos de producción industrial y las cadenas de suministro, reduciendo así el esfuerzo manual y mejorando la toma de decisiones humana en la transición hacia la Industria 5.0.

Marco Gotelli, Filippo Ghisi, Matteo Mangini, Fabrizio Barpi, Antonio Giovannetti2026-08-11
💻 ciencias de la computación

A Topology-Driven Quantum Suitability Estimator for Hybrid QAOA–Classical Pipelines

Este artículo presenta QSE, un estimador impulsado por la topología que utiliza características de grafos en tiempo polinomial para predecir la brecha de rendimiento esperada de las heurísticas clásicas frente a las soluciones exactas de Max-Cut, permitiendo un flujo de trabajo híbrido para enrutar dinámicamente subgrafos hacia algoritmos cuánticos, heurísticas clásicas o revisión humana, mientras documenta las correcciones de ingeniería críticas que aseguraron la validez física de las simulaciones de QAOA subyacentes.

Rohan Boddu2026-08-11
💻 ciencias de la computación

A Multi-Modal Learning Analytics Framework for Academic Early Warning and Student Risk Prediction in Higher Education

Este estudio propone y valida un marco de analítica de aprendizaje multimodal que integra diversos datos académicos, demográficos, conductuales y psicológicos con modelos avanzados de árboles de ensamble para predecir con precisión los niveles de riesgo estudiantil (bajo, medio, alto) y permitir la intervención académica proactiva en la educación superior.

Zhuotao Fang, Zhen Yan, Taotao Chen, Weixing Zou2026-08-11
💻 ciencias de la computación

Evaluating Hyperparameter Sensitivity in Temporal Convolutional Networks for Short-Term Electric Load Forecasting Using Grid Search

Este estudio utiliza una búsqueda sistemática de cuadrícula sobre los datos de carga de media hora de Queensland para demostrar que la optimización de cinco hiperparámetros clave en las Redes Convolucionales Temporales —específicamente identificando una configuración con un tamaño de entrada de 336 pasos y una tasa de aprendizaje de 0,0005— puede reducir el error de pronóstico en más del 55% en comparación con un modelo de referencia, resaltando que el ajuste coordinado de parámetros es más crítico que simplemente aumentar la capacidad del modelo para la predicción de carga eléctrica a corto plazo.

Tuan Anh Nguyen, Thanh Ngoc Tran2026-08-11
💻 ciencias de la computación

FeatExtractNet: Point Cloud-Enhanced Architecture for Thermal and Acoustic FieldPrediction

Este artículo propone FeatExtractNet, una arquitectura neuronal mejorada por nubes de puntos que emplea diseños específicos de dominio —combinando la extracción de características multinivel con la fusión de compuerta entre capas para campos térmicos irregulares y MLPs residuales de características de Fourier para rejillas acústicas regulares— para mejorar significativamente la precisión de la solución y reducir los errores relativos L2 en la predicción de campos térmicos y acústicos complejos gobernados por ecuaciones diferenciales parciales no lineales.

Xun Yuan, Gulin Wang, Junxiang Yang, Hongfei Guo, Jianqing Li2026-08-11
💻 ciencias de la computación

MERT-SpecAMGCNet: Attention-Modulated Gated Convolutional Network for Robust Music Genre Classification with Cross-Dataset Generalization

Este artículo propone MERT-SpecAMGCNet, una arquitectura de doble rama que combina eficazmente representaciones de formas de onda MERT preentrenadas con una rama espectral de log-Mel sensible a la frecuencia mediante el uso de convoluciones con compuerta y mecanismos de atención para lograr una clasificación de géneros musicales robusta y una fuerte generalización entre conjuntos de datos.

Agrima Malviya, Rashi Agarwal2026-08-11
💻 ciencias de la computación

Topology-Constrained Attention Networks: A Topology-Derived Robustness Margin for High-Frequency Cyber-Physical Systems

Este artículo propone las Redes de Atención con Restricción Topológica (TCAN, por sus siglas en inglés), una arquitectura que integra núcleos topológicos diferenciables en los mecanismos de autoatención para derivar un margen de robustez teórica contra ataques adversarios en sistemas ciberfísicos de alta frecuencia, delineando un marco matemático y un protocolo experimental para su futura validación sin presentar aún resultados empíricos.

Anmol Devansh2026-08-11