💻 Category

cs

3854 artículos

💻 ciencias de la computación

Foreground Sampling and Spatial Support in Pavement Crack Segmentation

Este estudio demuestra que el muestreo agresivo de parches centrado en el primer plano en la segmentación de grietas en pavimentos restringe inadvertidamente el soporte espacial al hacer que grandes porciones de la imagen de entrenamiento sean inalcanzables, un déficit que degrada significamente el rendimiento bajo la normalización por lotes y debe abordarse tratando el muestreo como una regla de selección de datos espaciales en lugar de únicamente como una intervención para el desequilibrio de clases.

Ehsan Ghaffari, Kelvin C.P. Wang2026-10-14
💻 ciencias de la computación

FRAG-Net: An Explainable Computational Intelligence Framework for Imbalanced Financial Risk Early Warning via Conditional Wasserstein GAN and Attention-Based Feature Fusion

Este artículo propone FRAG-Net, un marco de inteligencia computacional explicable que combina la GAN de Wasserstein Condicional para la generación de muestras minoritarias sintéticas, la atención de múltiples cabezales para la fusión de características y SHAP para la interpretabilidad, con el fin de abordar eficazmente el desequilibrio severo de clases en la alerta temprana de riesgos financieros.

Meiling Dong, Tianjiao Sha, Hanwen Zhang2026-10-14
💻 ciencias de la computación

Communication-Efficient and Robust Federated Training of Vision Models on IoT Camera Devices

Este artículo propone un marco de aprendizaje federado robusto y eficiente en comunicación para dispositivos de cámaras de IoT que combina la esparcimiento de gradientes Top-K, la regularización FedProx y la normalización GroupNorm para abordar simultáneamente los cuellos de botella del ancho de banda de subida y la degradación de la precisión causada por las distribuciones de datos no-IID.

Chengjun Li2026-10-14
💻 ciencias de la computación

Explainable and Lightweight Deep Belief Network for Intrusion Detection in Internet of Health Things Using Metaheuristic Optimization

Este artículo propone un Sistema de Detección de Intrusiones explicable y ligero para el Internet de las Cosas de la Salud que combina la normalización Z-score, PCA optimizado por el Algoritmo de Lobo Gris y una Red de Creencia Profunda ajustada mediante el Algoritmo de Optimización de Ballenas con interpretabilidad SHAP/LIME para lograr una alta precisión de detección y una baja sobrecarga computacional en dispositivos de borde.

Abdullah Mujawib Alashjaee, Salahaldeen Duraibi2026-10-14
💻 ciencias de la computación

Enhancing the Computational Efficiency of Aircraft Assembly Simulations Using Deep Learning Warm-Start

Este artículo propone un método de arranque en caliente mediante aprendizaje profundo que utiliza redes neuronales para generar estimaciones iniciales precisas para problemas de programación cuadrática, acelerando significativamente la eficiencia computacional de las simulaciones de ensamblaje de aeronaves dentro de los marcos de gemelos digitales.

Thi Thu Hoai Trinh, Roman Krasnikov, Sergey Lupuleac, Stanislav Baklanov2026-10-14
💻 ciencias de la computación

Gates Instead of Prompts: Development and Methods of a Large-Language-Model Expert System for Root- Cause Analysis in a Steel Foundry

Este artículo presenta un sistema experto determinista y fuera de línea para el análisis de causa raíz en fundiciones de acero que emplea verificación por compuerta, un juez de refutación independiente y restricciones estrictas de evidencia para mitigar las alucinaciones de los modelos de lenguaje de gran tamaño, proponiendo finalmente un modelo de autonomía con intervención humana donde el sistema sugiere hallazgos para la aprobación humana. Cabe destacar que el análisis de referencia utilizado para la comparación y la evaluación mediante el scorecard fue redactado por un modelo de lenguaje de gran tamaño bajo la guía de los autores, por lo que no constituye un informe de un experto independiente.

Miroslav Holčák¹2026-10-14
💻 ciencias de la computación

Adaptive RL-Based Traffic Signal Control with Dynamic Graph Attention and Temporal Awareness under Disruptions

Este artículo propone un marco robusto de Aprendizaje por Refuerzo de Grafos Espacio-Temporales que integra Redes de Atención de Grafos y codificadores temporales basados en Transformers para permitir que los sistemas de control de señales de tráfico multiagente distingan eficazmente entre el ruido transitorio y las perturbaciones persistentes, logrando así un rendimiento superior y una recuperación más rápida de fallos estructurales en comparación con los modelos de referencia del estado del arte.

Wissem Yousfi, Rim Slama, Pierre-Antoine Laharotte2026-10-14
💻 ciencias de la computación

Distributional Bellman Operators with Power-Law Horizon Weights: Contraction and Fixed-Point Analysis

Este artículo establece que los operadores de Bellman distributivos con pesos de ley de potencia de horizonte múltiple arbitrarios son contracciones en la métrica de Wasserstein suprenal pp y preservan la distribución de retorno real como un punto fijo único, proporcionando así una base teórica para incorporar mecanismos de memoria larga en el aprendizaje por refuerzo distributivo.

Yashar Mousavi, Rashin Mousavi, Arash Mousavi, Mahsa Tavasoli, Ibrahim Beklan Kucukdemiral, Afef Fekih, Umit Cali2026-10-14
💻 ciencias de la computación

Confidential Pulse: Authorisation-Preserving Conversational Access to Federated Confidential Government Records

Confidential Pulse es un sistema que permite el acceso conversacional y seguro a registros gubernamentales federados mediante la reconstrucción de respuestas a partir de cargas útiles autorizadas dentro de canales de Hyperledger Fabric, asegurando que, si bien el sistema evita la divulgación de datos fuera de alcance, sigue siendo vulnerable a la filtración de información a través de la prosa generada por el modelo.

Khaled Almi'ani, Camille Zufferey, Salil S. Kanhere, Nur Siyam2026-10-14
💻 ciencias de la computación

Structure-Aware Behavioral Alignment of Large Language Models for Robust Time Series Forecasting

Este artículo presenta TSLLM-BO, un marco de dos etapas que mejora la robustez y la fidelidad estructural del pronóstico de series temporales basado en LLM mediante la combinación de una arquitectura de alineación tiempo-texto con una recompensa compuesta diferenciable y el Recorte de Política Dinámica para superar los desafíos de aplicar el aprendizaje por refuerzo a tareas de predicción continua y de largo horizonte.

Mingliang Hu2026-10-14