💻 Category

cs

4157 articles

💻 informatique

REGAL-Driven Hierarchical Graph Reinforcement Network for Stable and Energy- Efficient Communication in Wireless Sensor Networks

Ce document propose le REGAL-Driven Hierarchical Graph Reinforcement Network (HGRN), un nouveau cadre qui intègre les réseaux de neurones sur graphes, l'attention par gradient d'énergie résiduelle, l'apprentissage par renforcement profond et un algorithme d'optimisation de type Partridge adaptatif à l'énergie afin de parvenir à une communication stable, économe en énergie et équilibrée en charge dans les réseaux de capteurs sans fil à grande échelle, démontrant une performance supérieure en termes de durée de vie du réseau, de conservation de l'énergie et de livraison de paquets par rapport aux approches de regroupement existantes.

Kumar J, Vinoth Kumar P, Bharathi S, Deepan S2026-07-15
💻 informatique

Blast Radius Characterization of Triple-Level Poisoning Attacks in Knowledge Graph Retrieval-Augmented Generation Systems

Cet article formalise et quantifie empiriquement le rayon d'action des attaques d'empoisonnement à trois niveaux dans les systèmes RAG basés sur des graphes de connaissances, démontrant que l'empoisonnement des hubs cause la propagation la plus grave de la corruption et proposant une défense sensible au graphe basée sur un score de confiance pondéré par le degré pour atténuer ces risques.

Shree Raksha H R, Jasmine K S2026-07-15
💻 informatique

Enhancing Intrusion Detection System Resilience Against Adversarial Evasion Attacks Using Adversarial Training

Ce document propose un système de détection d'intrusion hybride LightGBM-MLP amélioré par un entraînement adversarial avec la méthode du signe du gradient rapide (FGSM) sur l'ensemble de données UNSW-NB15, améliorant avec succès la robustesse contre les attaques d'évasion en maintenant une précision de 77,80 % sous des perturbations fortes tout en n'infligeant qu'une réduction minimale de 6,66 % de la performance sur les données saines.

MUKUNTH s, VATCHALA S, YOGESH C2026-07-15
💻 informatique

Adaptive Keyframe Selection and Reconstruction for Volumetric Density Field Sequences Using Structural Descriptors

Cet article propose un cadre adaptatif pour les séquences de champs de densité volumétriques qui utilise un nouveau descripteur structurel pour la sélection optimale d'images clés via la programmation dynamique et un schéma d'interpolation basé sur des particules afin de parvenir à une reconstruction de haute fidélité avec un minimum d'artefacts.

Jong-Hyun Kim2026-07-15
💻 informatique

Frequency-Guided Real-Time Detection of Weak Water-Surface Targetsfor Unmanned Surface Vehicles

Ce document propose un détecteur léger et en temps réel pour les véhicules de surface sans équipage qui améliore la détection de cibles faibles à la surface de l'eau en intégrant un routage de caractéristiques guidé par la fréquence et une supervision de localisation adaptative normalisée par l'échelle afin de relever des défis tels que le faible contraste et la petite taille des objets tout en respectant des contraintes strictes de latence et de taille de modèle.

Ling Qin, AnChuan Wang, Qing Huang, Qun Zou2026-07-15
💻 informatique

Closed-loop Auto Research for Molecular Property Prediction: Discovering and Certifying Generalizable Improvements

Cet article introduit un cadre de recherche automatique en boucle fermée qui utilise des agents de modèles de langage pour éditer des représentations moléculaires, modéliser du code et de l'évidence externe, découvrant et certifiant avec succès des améliorations généralisables à travers de multiples bancs d'essai de propriétés moléculaires tout en distinguant les véritables gains transférables de la variance de sélection non transférable et des décalages de distribution grâce à des tests rigoureux sur des données exclues.

Jingjie Ning, Xiaochuan Li, Ji Zeng, Chenyan Xiong, Guolin Ke2026-07-15
💻 informatique

Ensemble method of transfer learning Deep learning and vision transformer influencing explainable AI for Breast Cancer Prediction

Cet article propose un cadre d'IA explicable qui combine l'apprentissage par transfert, les Vision Transformers et les méthodes d'ensemble pour atteindre une précision de prédiction du cancer du sein supérieure (96,82 %) sur le jeu de données BreakHis, tout en utilisant des techniques telles que Grad-CAM et LIME pour renforcer la transparence et l'interprétabilité du modèle.

Rajyalakshmi Bandi, Pullarao Chennamsetty2026-07-15
💻 informatique

Large-Scale Multi-Cancer Detection by Learning Segmentation from Reports

L'article présente R-Super, un nouveau cadre qui exploite plus de 100 000 comptes rendus radiologiques pour entraîner des modèles de segmentation de tumeurs sans nécessiter de masques manuels rares, permettant ainsi une détection multi-cancer à grande échelle qui surpasse de manière significative les modèles d'IA existants et les radiologues humains.

Pedro Bassi, Xinze Zhou, Wenxuan Li, Szymon Płotka, Jakob Wasserthal, Jieneng Chen, Ibrahim Ethem Hamamci, Sezgin Er, Ja (…)2026-07-15
💻 informatique

SonicPlay: Bridging Accessibility and Game Development Through a Framework for Blind Players

Cet article présente SonicPlay, un framework basé sur Unreal Engine qui opérationnalise les principes d'accessibilité audio en outils réutilisables, démontrant à travers deux études auprès de joueurs aveugles et de développeurs professionnels qu'il permet efficacement une navigation spatiale autonome tout en s'intégrant de manière transparente dans les flux de travail standards du développement de jeux.

Alexander Espeseth, Kjetil Raaen, Ivar Kjellmo2026-07-15
💻 informatique

Multidimensional Exploration of Influencing Factors of College Students' Academic Performance: An Empirical Study Based on 18 Machine Learning Algorithms

Cette étude empirique analyse les données de 145 étudiants de l'UCI en utilisant 18 algorithmes d'apprentissage automatique pour identifier que le modèle LightGBM prédit le plus précisément la performance académique, révélant que les facteurs personnels et l'éducation scolaire (tels que le genre, l'âge, le travail à temps partiel et l'écoute en classe) sont les principaux moteurs de la réussite tandis que les facteurs familiaux ont un impact plus faible, permettant ainsi le développement d'une application Shiny interprétable pour des interventions académiques personnalisées.

Chen Shen, Tongping Shen2026-07-15