💻 Category

cs

4030 articles

💻 informatique

CWMAN-EEG: Conditionally Weighted Multi-source Adversarial Network for Across-subject EEG Emotion Recognition

Cet article propose CWMAN-EEG, un réseau antagoniste multi-sources à pondération conditionnelle qui répond aux défis de la reconnaissance des émotions par EEG inter-sujets en séparant les caractéristiques partagées et individualisées et en pondérant de manière adaptative les domaines sources selon la similitude de distribution afin d'atteindre des performances de pointe sur les ensembles de données SEED et SEED-IV.

Yufei Chen, Gang Zhou, Yu Nan, Rong Cao, Haohao Yin, Xuzhe Yan, Ziyang He2026-08-26
💻 informatique

A Comparative Analysis of Machine Learning and Deep Learning Models for Forecasting Vietnam's Export Coffee Prices

Cette étude démontre que l'unité récurrente à porte (GRU) surpasse de manière significative tant les modèles d'apprentissage automatique que les autres architectures d'apprentissage profond pour la prévision des prix d'exportation du café Robusta du Vietnam durant une période de ruptures structurelles sévères, tout en abordant de manière transparente les limites méthodologiques et en fournissant des paramètres de risque exploitables pour les contrats à terme.

Quang Phung Duy, Hai Dang Cao Ha2026-08-26✓ Author reviewed ⓘ
💻 informatique

Robotic-Inspired Tri-Metaheuristic Framework with Neuromorphic Edge Intelligence for Real-Time Multi-Modal Biomedical Signal Processing and Clinical Decision Support

Cet article présente un nouveau cadre tri-métaheuristique d'inspiration robotique intégré à une intelligence de bord neuromorphique qui optimise le traitement en temps réel des signaux biomédicaux multimodaux afin d'atteindre une haute précision de diagnostic et une consommation d'énergie ultra-faible, permettant une surveillance portable continue de 72 heures et améliorant considérablement l'aide à la décision clinique pour la détection précoce des maladies.

Shaymaa E. Sorour, Mostafa Elbaz2026-08-26
💻 informatique

Evidence Constrained Agentic Retrieval Augmented Generation for Substation Civil Engineering Preliminary Design Documents in a Single Project Study

Ce document propose EC-ARAG, un cadre de génération augmentée par récupération agentique contraint par les preuves qui améliore significativement la fiabilité, la cohérence et l'efficacité de la rédaction de la conception préliminaire du génie civil des sous-stations en intégrant une récupération sensible aux réglementations, une résolution de conflits et des boucles de double vérification pour surpasser les systèmes RAG conventionnels.

Yizhang Huang, Xinhui Zhang2026-08-26
💻 informatique

Evaluation Pitfalls and Multimodal Baselines for the \dataset{} IoT Malware Dataset

Cet article introduit les premiers référentiels systématiques et protocoles d'évaluation pour le jeu de données multimodal de malwares IoT CIC-YNU-IoTMal2026, révélant des pièges critiques tels que la fuite de données provenant de divisions aléatoires, des taux de ratage élevés pour les échantillons dormants dans des conditions sans fuite, et une fragilité sévère face au changement d'architecture, tout en démontrant que le choix du protocole plutôt que la sélection du modèle domine finalement la performance rapportée.

Xuetong Zhang, Yifei Xing, Zhibin Guo, Jianmin Li2026-08-26
💻 informatique

A Localization-Aware Heterogeneous CNN Ensemble with Neural Meta- Fusion for Plant Disease Classification, with a Component Analysis on Laboratory and Field Images

Cet article présente un ensemble de CNN hétérogènes sensible à la localisation avec une méta-fusion neuronale qui démontre comment les composants critiques des pipelines de classification des maladies des plantes passent de l'étendue de l'ensemble et des descripteurs faits à la main dans les contextes de laboratoire à la localisation des feuilles et à la fusion apprise lors de l'application aux images de terrain, validé par des études d'ablation rigoureuses sur les ensembles de données PlantVillage et PlantDoc.

Ehsan Gaballah2026-08-26
💻 informatique

Hybrid 3D-CNN, Bi-LSTM, and Transformer-Based Framework for Anomaly Detection of Human Behaviour in Video Surveillance with Adaptive Error Minimization

Cet article propose un nouveau cadre d'apprentissage profond hybride qui intègre les architectures 3D-CNN, Bi-LSTM et Transformer avec un module de seuil adaptatif et une optimisation de perte multi-objectifs pour atteindre une détection d'anomalies en temps réel de pointe dans la vidéosurveillance en réduisant considérablement les fausses alertes à travers diverses conditions environnementales.

Sameera yasam, Syed Ali Hussain, Vijaya Kumar Koppula2026-08-26
💻 informatique

CEGNN-Fraud: A Scalable Heterogeneous Temporal Graph Neural Network with Evidence-Constrained LLM Risk Reasoning

CEGNN-Fraud est un réseau de neurones sur graphes temporels hétérogènes et évolutif qui améliore la détection de la fraude financière grâce à une porte de fiabilité conditionnée par les événements et un LLM contraint pour le reporting de risques fondé sur des preuves, démontrant une performance supérieure en termes de précision, de robustesse et de généralisation par rapport aux bases de référence existantes.

Yilin zhong2026-08-26
💻 informatique

A Framework for Dynamic Memory Management and Personalized Agent Decision-Making in Retrieval- Augmented Generation

Cet article présente DMAP-RAG, un cadre qui améliore la génération augmentée par récupération en intégrant une architecture de mémoire à double stockage structurée en arbre et une prise de décision d'agent personnalisée afin d'atteindre des performances compétitives en matière de cohérence de dialogue multi-tours et de satisfaction de l'utilisateur.

Xiangguo Qian, Yong Xu, Chuqi Ma, Choon Kit Chan2026-08-26
💻 informatique

Brain tumor classification: A comparative analysis of deep learning techniques and impact of augmentation approaches on T1-CE MRI scans

Cet article présente une analyse comparative de sept modèles d'apprentissage profond pré-entraînés sur des scanners IRM T1-CE pour la classification des tumeurs cérébrales, démontrant que VGG-16 atteint la précision la plus élevée (92,45 %) lorsqu'il est entraîné avec diverses techniques d'augmentation et optimiseurs, tout en utilisant Grad-CAM pour améliorer l'interprétabilité du modèle.

Priyanka Sharma, Sakshi Ahuja2026-08-26