💻 informatique

Jacobi-Enhanced Dynamic Hypergraph Learning for Graph-Based Fraud Detection

Le papier propose JK-DHGNN, un cadre à double vue intégrant un générateur d'hypergraphes dynamiques Top-KK, un filtrage spectral de Jacobi et un classificateur basé sur les polynômes de Jacobi pour détecter efficacement la fraude financière et l'e-commerce en modélisant à la fois les relations par paires et les affiliations d'ordre supérieur, atteignant une performance supérieure sur les jeux de données YelpChi et Amazon tout en démontrant l'efficacité des composants dépendants du jeu de données.

Danyang Li, Jie Shen, XiangBeng Yang, Zhenkai Qin2026-09-11
💻 informatique

A lightweight boundary-refinement module improves entity mention accuracy in biomedical named entity recognition without degrading correct predictions

Cet article introduit un module de raffinement de bordure (BRM) post-hoc et léger qui améliore considérablement la précision de la reconnaissance d'entités nommées biomédicales en corrigeant les erreurs de bordure sans dégrader les prédictions correctes existantes, améliorant ainsi la stabilité de l'extraction de relations en aval tout en nécessitant un minimum de ressources computationnelles.

Julius Beneoluchi Odili, Wasiu Oluwagbenga Hassan2026-09-11
💻 informatique

A Bounded, Learnable Uncertainty Gate and Feature Augmentor for Deep Malware Detection

Cet article présente ChaosEntropyGate v2 (CEG-2), un mécanisme de porte d'incertitude apprenable et borné couplé à un augmentateur de caractéristiques qui, tout en améliorant modestement la détection de logiciels malveillants basée sur l'apprentissage profond dans des régimes spécifiques et en corrigeant les problèmes d'instabilité précédents, confirme finalement que les ensembles d'arbres ajustés demeurent la solution la plus robuste et la plus rentable pour cette tâche.

Prakash Kumar Panigrahi, Neha Janu, Jayesh Gangrade2026-09-11
💻 informatique

Deploying machine learning for remaining useful life prediction of lithium-ion batteries on Coral Dev Board

Cet article évalue et compare les performances des modèles Random Forest, XGBoost et Temporal Convolutional Network pour la prédiction de la durée de vie utile résiduelle des batteries lithium-ion, démontrant leur déploiement pratique et leur efficacité sur la Coral Dev Board pour la maintenance prédictive dans les véhicules électriques.

Mariem Boujneh, Nesrine Majdoub, Taoufik Ladhari, Ali Serdar Atalay, Anis Sakly2026-09-11
💻 informatique

APOSM: Pairwise preference learning improves generative small-molecule design

Le document introduit APOSM, un cadre d'apprentissage actif qui améliore la conception de petites molécules en entraînant un réseau de neurones sur graphes de substitution sur des comparaisons moléculaires par paires plutôt que sur des scores absolus, améliorant ainsi considérablement l'atteinte des cibles et l'efficacité de l'échantillonnage dans les régimes de criblage bruités.

Marcus W. Dreisler, Richard Michael, Nikos Hatzakis, Wouter Boomsma2026-09-11
💻 informatique

Integrated Gradient-guided Adversarial Counterfactual Explanations of 12-lead Electrocardiograms

Cet article introduit InterGRACE, un cadre antagoniste intégré guidé par le gradient qui génère des explications contrefactuelles cliniquement significatives pour les ECG à 12 dérivations en ciblant des caractéristiques pertinentes pour la décision comme le segment ST et l'onde T, améliorant ainsi l'interprétabilité des modèles d'IA pour la détection de l'infarctus du myocarde.

Bjørn-Jostein Singstad2026-09-11
💻 informatique

Gender bias in the diagnosis of Alzheimer's Disease

Cette étude démontre que les modèles d'apprentissage automatique respectueux de l'équité, spécifiquement ceux employant des techniques d'atténuation des biais telles que le Disparate Impact Remover et le débaisage adversaire, peuvent réduire significativement les disparités liées au sexe dans la classification de la maladie d'Alzheimer en utilisant les données d'ADNI tout en maintenant une précision prédictive élevée et en améliorant l'interprétabilité des déterminants cliniques et liés au genre.

Susanne Neufang, Atae Akhrif, Oya D Beyan, Neuroimaging Initiative2026-09-11
💻 informatique

An Automated, Contamination-Controlled VQA Benchmark for Evaluating Vision-Language Models on 3D Oncology Imaging

Cet article introduit un pipeline de benchmarking automatisé et contrôlé contre la contamination qui génère des questions à choix multiples à partir de rapports d'imagerie oncologique et de radiologie 3D privés afin d'évaluer rigoureusement les modèles vision-langage, révélant que les modèles actuels s'appuient souvent sur des indices textuels ou la familiarité avec le jeu de données plutôt que sur une véritable perception visuelle.

Bo Liu, Hanxue Gu, Xiangru Li, Zheren Zhu, Jacob Ellison, Kang Wang, Ke Sheng, Steve Braunstein, Janine Lupo, Yang Yang (…)2026-09-11
💻 informatique

DualAttentionNet: A Lightweight Dual-Attention Framework for Robust Multi-Class EEG Digit Decoding

Cet article introduit DualAttentionNet, un cadre d'apprentissage profond léger qui améliore l'EEGNet traditionnel en incorporant des blocs d'attention à double canal pour atteindre une précision de pointe de 92,36 % dans le décodage de chiffres EEG multi-classes tout en garantissant la robustesse, l'interprétabilité et l'efficacité computationnelle.

Md Rashidul Islam, Md Shakil Hossain, Md Saiful Arefin, Md Ridwan Ali, Nick Rahimi, Saydul Akbar Murad2026-09-11
💻 informatique

Enhancing the Robustness of Android Malware Detection Systems Against Adversarial Attacks: A Systematic Review of Defense Strategies and Emerging Challenges

Cet article présente une revue systématique de la littérature (2020–2025) des systèmes de détection de malwares Android basés sur l'IA, analysant leurs vulnérabilités face aux attaques adverses, évaluant les stratégies de défense existantes et identifiant les lacunes critiques ainsi que les futures directions de recherche pour parvenir à une sécurité robuste et fiable.

Zahraddeen Bala, Fatima Umar Zambuk, Badamasi Imam Ya’u, Kabiru Ibrahim Musa2026-09-11