💻 computer science

A Hybrid Deep-Quantum Framework for Robust Stress Classification from EEG Signals

Questo articolo propone un framework ibrido deep-quantum che integra una 1D-CNN per l'estrazione delle caratteristiche con un classificatore a vettori di supporto quantistico per ottenere un'accuratezza superiore nella rilevazione dello stress (81,00%) su segnali EEG rispetto ai baseline classici, dimostrando al contempo la dipendenza del modello dalla scalatura delle caratteristiche e dalla dimensionalità all'interno dell'era NISQ.

Krishan Sharma, Jayesh V. Hire, Kartike Pushkarna, Rohit Kumar Mishra, Priyanka Jain2026-08-19
💻 computer science

WTFFN-YOLO: An Improved Lightweight Method for Surface Defect Detection on Wind Turbine Blades

Questo articolo propone WTFFN-YOLO, un framework di rilevamento oggetti leggero e migliorato per i difetti superficiali delle pale delle turbine eoliche che integra il meccanismo di attenzione C3K2-SACA, un modulo di fusione delle caratteristiche consapevole della frequenza e una rete neck WTFFN per ottenere un aumento del 6,9% della mAP e una riduzione dell'8% dei parametri del modello.

Dahua Li, Xiangyu Meng, Xiao Yu, Qiang Gao, Dong Li2026-08-19
💻 computer science

Spatiotemporal analysis of acoustic parameters for quantifying linguistic rhythm using CNN–BiLSTM

Questo studio dimostra che un'architettura ibrida CNN–BiLSTM supera l'analisi tradizionale delle caratteristiche acustiche e i modelli di deep learning più semplici nel quantificare il ritmo linguistico, raggiungendo un'accuratezza superiore al 95% nel distinguere il canto in sanscrito e hindi dal parlato normale, rivelando al contempo una maggiore regolarità ritmica nel sanscrito grazie alla sua struttura a sillabe costanti.

Nayarah Shabir khan, Parveen Kumar Lehana2026-08-19
💻 computer science

Latent debt in PINNs with SIR Models: Dynamical Compensation and Topological Bottlenecks

Questo articolo rivela che le Reti Neurali Informate dalla Fisica (PINN) applicate ai modelli SIR soffrono di un "debito latente" durante le fasi iniziali di crescita esponenziale, in cui un panorama di perdita piatto e a rango deficiente permette all'ottimizzazione di minimizzare i residui distorcendo gli stati latenti non osservati e propagando gli errori, producendo infine soluzioni numericamente accurate con stime dei parametri fondamentalmente errate.

Daniel Leto, Elizabeth Wanner, Roberto Alamino2026-08-19
💻 computer science

Xender+: Enhancing Time Series Data Transmission via Historical Model Reuse

Xender+ è un framework innovativo che migliora l'efficienza della trasmissione di dati di serie temporali sostituendo il frequente riaddestramento dei modelli online con una libreria lato cloud di modelli pre-addestrati e raggruppati per pattern per il riutilizzo diretto, ottenendo così una latenza end-to-end inferiore e un'elevata accuratezza di ricostruzione rispetto ai baseline allo stato dell'arte.

Bin Liu, Xuanfeng Liu, Ziguang Fu, Jian Liu2026-08-18
💻 computer science

Resource-Aware Video Action Recognition Through Adaptive Temporal Sampling: An Efficiency–Accuracy Benchmarking Framework

Questo articolo introduce un framework di benchmarking consapevole delle risorse che utilizza il campionamento temporale adattivo per valutare i compromessi tra efficienza e accuratezza nel riconoscimento di azioni nei video, dimostrando che l'architettura R(2+1)D-18 riduce significativamente il consumo energetico mantenendo al contempo prestazioni stabili attraverso diversi budget computazionali.

Nousheen Taj, Bharathi P.T.2026-08-18
💻 computer science

Multimodal Deep Learning for Chest X-Ray Abnormality Classification and Interpretability through Demographic Feature Integration

Questo studio propone un framework di deep learning multimodale che integra immagini di radiografie del torace con metadati demografici utilizzando un backbone ConvNeXt Large, raggiungendo un AUC macro-medio del 96,88% sul dataset NIH ChestX-ray14 e dimostrando prestazioni e interpretabilità superiori rispetto ai modelli esistenti basati esclusivamente sulle immagini.

Sultan Mesfer Aldossary, Samia M. Abd-Alhalem, Magda M. Algameel, Noha E. El-Attar2026-08-18
💻 computer science

Triple-Factorized attention framework with dynamic adaptive windowing for premature contraction classification

Questo articolo propone HRDAWNet, un nuovo framework di attenzione che integra l'Attention Triplamente Fattorizzata e il Windowing Adattivo Dinamico per raggiungere una precisione allo stato dell'arte nella classificazione delle contrazioni atriali e ventricolari premature, catturando efficacemente le complesse dipendenze spazio-temporali e adattandosi alle informazioni contestuali dinamiche.

Jibin Wang2026-08-18
💻 computer science

Eliminating Setup Friction in PHP Web Development Labs Using Docker and DevContainers

Questo articolo presenta un caso di studio multi-semestrale che dimostra come la sostituzione dei tradizionali ambienti di sviluppo PHP basati su XAMPP con Docker e DevContainers nelle università del Bahrein riduca il tempo di configurazione per gli studenti di oltre il 90% e riduca significativamente il carico cognitivo estraneo, prevenendo così che gli errori di configurazione compromettano l'intero corso.

Elham Eskandarnia Elham2026-08-18