💻 computer science

Tensor Network Machine Learning for Wildfire Susceptibility Mapping: from Grokking Dynamics to Quantum Mixedness of Class Representations

Questo articolo introduce un framework di reti tensoriali di ispirazione quantistica utilizzando Matrix Product States ed embedding AlphaEarth per la mappatura della suscettibilità agli incendi boschivi nella regione del Gargano, il quale non solo raggiunge un'accuratezza di classificazione competitiva, ma rivela anche distinti dinamiche di grokking e fornisce un'analisi a risoluzione di livello, fisicamente fondata, della separabilità delle classi attraverso diagnostica di miscelazione quantistica.

Domenico Pomarico, Alessandra Costantino, Gabriel Ramirez Sanchez, Loredana Bellantuono, Davide D'Alò, Mario Elia, Aless (…)2026-07-29
💻 computer science

HCSC-Net: Hierarchical Contextual Semantic Calibration for CLIP-based Weakly Supervised Semantic Segmentation

Questo articolo propone HCSC-Net, un framework gerarchico di calibrazione semantica contestuale che migliora la segmentazione semantica debolmente supervisionata basata su CLIP integrando i moduli di Group-wise Structural Calibration e Residual Contextual Semantic Calibration per risolvere i problemi di inconsistenza strutturale e interferenza del background, raggiungendo prestazioni state-of-the-art sui benchmark PASCAL VOC 2012 e MS COCO 2014.

Xiaoming Bai, Xiaoyan Shao, Lingling Li, Xuezhuan Zhao, Zhenhao Zhao, Jian Zhang2026-07-29
💻 computer science

Contextual Cue Susceptibility in Clinical AI: A Randomized Controlled Clinician-Comparator Study

Questo studio controllato randomizzato rivela che i modelli linguistici di grandi dimensioni sono significativamente più suscettibili rispetto ai clinici umani agli indizi contestuali che inducono a scelte diagnostiche errate, evidenziando una vulnerabilità critica per la sicurezza dei sistemi di IA clinica che può essere mitigata attraverso specifiche strategie di prompting.

Mahmud Omar, Reem Agbareia, Alexander Charney, Raja-Elie Abdulnour, Ankit Sakhuja, Eyal Klang, Girish Nadkarni, Benjamin (…)2026-07-29
💻 computer science

TRIBRID-Optimized MobileNetV3 Framework for Explainable Printed Circuit Board Defect Classification

Questo articolo presenta un framework di classificazione dei difetti dei PCB spiegabile che combina la sintonizzazione degli iperparametri ottimizzata tramite TRIBRID, il transfer learning e MobileNetV3 per raggiungere una precisione e un'interpretabilità perfette, mantenendo al contempo l'efficienza computazionale richiesta per i sistemi di ispezione ottica automatizzata intelligenti.

Manjunath G. Asuti, Nirmalkumar S. Benni, Ramesh B T, Phanindra Reddy Kannari, S N Chaitra, K J Kavitha, B P Mishra2026-07-29
💻 computer science

TPM-Free Post-Quantum Attestation for Legacy Industrial Control Devices Using Commodity-Hardware Trusted Execution

Questo articolo presenta un meccanismo di attestazione post-quantistica indipendente dall'hardware per dispositivi industriali legacy che sfrutta il ciclo di ibernazione-ripristino su piattaforme x86 comuni per catturare e firmare lo stato di runtime utilizzando CRYSTALS-Dilithium, abilitando così una verifica affidabile senza l'ausilio di hardware di sicurezza dedicato come i TPM.

Tejasva Jadhav2026-07-29
💻 computer science

Hybrid Multi- Expert Deep Learning Framework for Operational SAR Maritime Surveillance and Dark Vessel Identification

Questo articolo propone un framework di deep learning ibrido multi-esperto che utilizza un meccanismo di routing intelligente basato su ResNet-50 per selezionare dinamicamente modelli di rilevamento specializzati (YOLOv8 e Mask R-CNN potenziata da SwinIR) per diversi ambienti marittimi, ottenendo un'elevata accuratezza nel rilevamento delle navi e identificando con successo i vessel scuri in scenari reali come lo Stretto di Singapore.

Syed Wajid Ali, Sudhir Nadda, Shivani Verma, Shuchismita Mishra2026-07-29
💻 computer science

Bridging AI Design and Public Accountability: A Tool and Owner Principle and Framework for Anthropomorphic AI Governance

Questo articolo propone un modello di governance incentrato sugli stakeholder per l'IA antropomorfa che stabilisce un principio di "proprietario dello strumento" per chiarire la responsabilità e introduce l'Internalized Externality Accountability Framework (IEAF) per operazionalizzare la responsabilità dello sviluppatore attraverso tre livelli di coinvolgimento emotivo e controllo dell'utente.

Zi An Wang2026-07-29
💻 computer science

Atlases Are Already Inside: Recovering Population Templates from Pretrained Diffusion Models

Questo articolo dimostra che i modelli di diffusione preaddestrati codificano implicitamente atlanti anatomici a livello di popolazione all'interno della loro dinamica appresa, consentendo il recupero diretto di template cerebrali nitidi, condizionati per età e competitivi rispetto alla registrazione attraverso l'inferenza deterministica senza richiedere una registrazione esplicita o obiettivi di addestramento specifici per l'atlante.

Jian Shi, John Femiani, Peter Wonka2026-07-29
💻 computer science

BQEB ForecastBench: Benchmarking AI Models for Smart Grid Forecasting Using BQEB-Data v1

Questo articolo introduce BQEB ForecastBench, un framework di benchmarking aperto che utilizza il dataset BQEB-Data v1 per standardizzare la valutazione dei modelli di IA per la previsione delle smart-grid, dimostrando attraverso esperimenti di base che la regressione lineare supera altri modelli nella previsione del carico elettrico e dei prezzi, evidenziando al contempo l'inerente complessità della previsione dei prezzi.

Rakesh Kumar Agrawal2026-07-29
💻 computer science

When and What Will Customers Buy Next? A Dual-Task Deep Learning Framework for Repurchase Prediction in E-Commerce

Questo studio propone un framework di deep learning a doppio compito basato su LSTM che predice simultaneamente la tempistica del riacquisto del cliente e la selezione del prossimo prodotto, dimostrando prestazioni superiori rispetto ai modelli esistenti su dati di e-commerce su larga scala e offrendo un sistema di agenti IA pratico per l'ottimizzazione del marketing automatizzato.

Gia Bao Huynh, Thi Thuy Hanh Nguyen2026-07-29