💻 Category

cs

4092 artigos

💻 ciência da computação

WSymBert: A Weighted Neuro-Symbolic Attention Model for Interpretable CVSS Prediction

Este artigo apresenta o WSymBERT, um modelo de atenção neuro-simbólico ponderado que combina a compreensão contextual de linguagem com conhecimento especializado estruturado para alcançar uma predição automatizada altamente precisa e interpretável das métricas Base do CVSS v3.1, superando modelos de referência transformer existentes enquanto se alinha mais proximamente ao raciocínio de especialistas.

Seyedeh Leili Mirtaheri, Amirhossein Majd, Reza Shahbazian, Georgios Spathoulas, Aida Akbarzadeh, Andrea Pugliese2026-06-25
💻 ciência da computação

MAP-RAG: A Multi-View Adaptive Pattern-Aware Medical Retrieval-Augmented Generation Diagnostic Framework

O MAP-RAG é um novo framework adaptativo de múltiplas visões que aumenta a precisão e a eficiência do diagnóstico clínico ao integrar a decomposição de prontuários eletrônicos estruturados com recuperação híbrida e roteamento dinâmico de confiança, demonstrando desempenho superior em múltiplos departamentos médicos em comparação com modelos de linha de base.

Zhaolin Lu, Xulin Liu, Hongliang Bi, Feilong Tan, Caiying Zhang2026-06-25
💻 ciência da computação

OrganSegBench: Bridging the Translational Gap for Medical Segmentation Foundation Models Through Principled Model Synergy

Para abordar a lacuna de translação em modelos de fundação de segmentação médica causada por benchmarks excessivamente otimistas e pelo compromisso entre precisão e equidade, este artigo introduz o OrganSegBench, um rigoroso framework de avaliação multidimensional que demonstra como a sinergia de modelos baseada em princípios, por meio de estratégias de ensemble, supera modelos monolíticos ao alcançar uma IA segura, equitativa e clinicamente confiável.

Qing Li, Yizhe Zhang, Xin Guo, Haosen Zhang, Mo Yang, Mengting Sun, Longyu Sun, Haoyang Zhang, Junhong Liu, Yan Li, Yaji (…)2026-06-25
💻 ciência da computação

A Hybrid Retrieval Augmented Generation Approach for Explainable Clinical Decision Support Using Vector Databases and Best Matching 25

Este artigo apresenta um framework híbrido de Geração Aumentada por Recuperação que integra busca semântica baseada em BM25 e BioBERT com Fusão de Classificação Recíproca para aprimorar o suporte à decisão clínica explicável e personalizado e a previsão precoce de risco de doenças, alcançando um desempenho de recuperação superior em um conjunto de dados de 182.000 registros médicos em comparação com as linhas de base tradicionais.

Bodireddy Mahalakshmi, Smita Khairnar, Shilpa Gite, Anurag Lengure, Anuj Loharkar, Swaraj Mahadik, Soham Mahajan2026-06-25
💻 ciência da computação

An Explainable Hybrid of Classical and Quantum Support Vector Machine Models for Maternal Mental Health Risk Prediction Using Multicountry Data

Este estudo propõe um modelo de Máquina de Vetores de Suporte Híbrida Clássico-Quântica explicável que utiliza dados de múltiplos países para alcançar um desempenho superior na predição de risco de saúde mental materna (99,86% de acurácia), identificando simultaneamente os principais preditores clínicos por meio da análise SHAP.

Shallon Ahimbisibwe, Emmanuel Ahishakiye, Samuel Maling, Simon Kawuma, Richard Ntwari, Boaz Twinamasiko, Fred Kaggwa2026-06-25
💻 ciência da computação

Runtime Detection of Attacks and Misconfigurations in Cloud-Native Kubernetes Environments Using eBPF Network Telemetry

Este artigo demonstra que a telemetria de rede Hubble/eBPF, quando combinada com rótulos de verdade fundamental cuidadosamente construídos, pode detectar eficazmente ataques em tempo de execução e más configurações em ambientes Kubernetes, revelando que os atributos de identidade do lado do destino são os indicadores mais fortes de ameaças, apesar de um compromisso entre a alta precisão dos detectores baseados em regras e o maior recall dos classificadores Random Forest.

Andrew Oppong-Asante, Bernard Kyiewu, Clinton Amponsah, Linda Bessa-Simons, Caleb Boakye Yiadom2026-06-25
💻 ciência da computação

ST-HAE: Spatio-Temporal Anomaly Detection inHeterogeneous IoT Networks Under Realistic Class Imbalance

Este artigo apresenta o ST-HAE, um autoencoder híbrido espaço-temporal não supervisionado que alcança detecção de anomalias de alta precisão em redes IoT heterogêneas sob desequilíbrio de classes realista ao treinar exclusivamente em tráfego benigno e utilizar codificação temporal bidirecional para reduzir significativamente as taxas de falso alarme e a variância em comparação com métodos existentes.

Vamsi Krishna Reddy, Nageswara Rao kuda2026-06-25
💻 ciência da computação

Detection of AI-Generated Product Main Images in Cross-Border E-Commerce Based on Multi-Feature Fusion

Este artigo aborda o desafio de detectar imagens de produtos geradas por IA no comércio eletrônico transfronteiriço ao introduzir o conjunto de dados CBEC-AIGC-Bench e propor o MFF-EComDet, uma rede de fusão de múltiplos recursos que combina ramos de semântica espacial e artefatos de frequência com um mecanismo de atenção cruzada para distinguir efetivamente artefatos de geração da interferência de textos promocionais.

lili huang, zhidan hui2026-06-25
💻 ciência da computação

FluxGraph: Synergizing Dynamic Graph Attention and Flux Memory for Unsupervised Time Series Anomaly Detection

O FluxGraph é uma estrutura não supervisionada para detecção de anomalias em séries temporais que sinergiza atenção de grafo dinâmico com memória de fluxo e fluxo de características bidirecional para identificar efetivamente anomalias de mascaramento sutis e desvios graduais de linha de base em sistemas industriais e automotivos, superando métodos existentes por meio de uma abordagem inovadora de fusão multirresidual.

Yunya Xiong, Tao Xu, Guozhi Song2026-06-25