💻 ciência da computação

Knowledge Graph Representations for Robust Patient Stratification under Unknown Missingness Mechanisms: a Comparative Computational Study

Este estudo demonstra que os embeddings de grafos de conhecimento proporcionam uma estratificação de pacientes mais robusta e estável do que os pipelines tradicionais baseados em imputação sob mecanismos de ausência desconhecidos, particularmente em dados clínicos especializados onde os valores ausentes são frequentemente Não Aleatórios (MNAR).

Francesco Orciuoli, Giuseppe Murdaca2026-10-20
💻 ciência da computação

From Ethical Principles to Governable Action: A Priority Architecture for Context-Sensitive Normative Governance of Large Language Models

Este artigo introduz a Arquitetura de Prioridade (PA), um metamodelo que externaliza a governança normativa sensível ao contexto para grandes modelos de linguagem ao transformar princípios éticos abstratos em uma cadeia de aplicação rastreável e determinística, demonstrando, por meio de testes empíricos, que esta abordagem melhora significativamente a conformidade com as políticas em comparação com métodos baseados apenas em prompts.

Michael Bächle2026-10-20
💻 ciência da computação

Explainable and Uncertainty Aware Deep Learning for Concealed Prohibited Item Detection in Nonintrusive X-ray Inspection

Este artigo apresenta o CAU-XInspect, um framework de aprendizado profundo explicável e consciente de incerteza construído sobre o YOLO26 que melhora significativamente a detecção de itens proibidos ocultos em imagens de raios X por meio de um novo Módulo de Reforço de Características de Ocultação, alcançando um desempenho sólido no benchmark PIDray ao mesmo tempo em que destaca a necessidade de maior adaptação de domínio antes da implementação no mundo real.

Paul Kategaya Kisozi2026-10-20
💻 ciência da computação

Beyond mIoU: A Deployment-Oriented Evaluation Framework for UAV Semantic Segmentation

Este artigo propõe uma estrutura de avaliação abrangente e orientada para implantação para segmentação semântica de VANTs que vai além das métricas tradicionais de mIoU ao integrar eficiência, robustez, calibração e análise de erro espacial para guiar a seleção de modelos ideais para aplicações práticas.

Nadeem Gul, Meng Qin, Aamir Naveed Abbasi, Sichun Zheng, Gu Yuanyuan, Changqing Cao2026-10-20
💻 ciência da computação

Zero-Trust, Zero-Knowledge: A Lightweight Blockchain and Federated Learning Framework for Privacy-Preserving IoT Device Authentication

Este artigo propõe um framework de autenticação de IoT leve e preservador de privacidade que integra princípios de Zero-Trust Zero-Knowledge, aprendizado federado baseado em comportamento com privacidade diferencial e uma blockchain Proof-of-Authority de alto rendimento para alcançar 99,2% de precisão e segurança robusta contra ataques, mantendo baixa latência e custo.

Mohamed Koroma, Ibrahim Abdulai Sawaneh, Mohamed Syed Fofanah, Maurice Sesay2026-10-20
💻 ciência da computação

Comparative Evaluation of Machine Learning Models for Heart Disease Prediction: Performance, Calibration, Threshold Selection, and Explainability

Este estudo avalia cinco modelos de aprendizado de máquina no conjunto de dados Cleveland Heart Disease, constatando que a regressão logística com um limiar calibrado de 0,552 alcançou o melhor desempenho (85,71% de acurácia e 0,939 de ROC-AUC), identificando simultaneamente os principais vasos, o tipo de dor no peito e os resultados do teste de tálio como preditores fundamentais, embora os autores enfatizem a necessidade de validação externa antes de generalizar esses achados para populações diversas.

Stanley Kirunda Dhakaba¹, Patience Atukunda¹, Anthony Bua²2026-10-20
💻 ciência da computação

An Internet Search--Augmented Soft Prompt Tuning Framework for Explainable Resume Screening in Healthcare Recruitment

Este estudo apresenta uma estrutura de modelo de linguagem de grande escala com ajuste de prompt suave e aumento de busca na internet que melhora significativamente a precisão, a explicabilidade e a eficiência da triagem de currículos na área da saúde ao integrar extração estruturada, recuperação de evidências direcionada e regras de especialistas para priorizar candidatos qualificados, mantendo a supervisão humana.

Yanting Wu, Tianao Hu, Siyu Gu, Yilin Mao, Xingxing Cen2026-10-20
💻 ciência da computação

Per-Node Performance and Memory Limits of LLM Inference on CPU-Only Edge Nodes

Este artigo caracteriza o desempenho e as restrições de memória da inferência de LLM apenas em CPU em nós de borda, revelando que a largura de banda de memória — e não o processamento — é o principal gargalo e que a quantização aumenta inesperadamente o uso de memória em tempo de execução, necessitando de um novo modelo de dimensionamento para um planejamento de implantação preciso.

Yogesh Narayan Gaur, Manju Khanna2026-10-20