💻 计算机科学
Explainable Early Alzheimer's Disease Detection Using a Hybrid Capsule and Vision Transformer-Based Framework with LIME
本文提出了一种结合胶囊网络与视觉 Transformer 的混合 MCN-MVT 框架，旨在实现高精度、可解释性的阿尔茨海默病早期检测，并通过在 MRI 数据上的卓越性能指标以及基于 LIME 的解释进行了验证。
💻 Category
cs
4092 篇论文
💻 计算机科学
STDN-GEN: rapid synthesis of layered critical-material dependency networks for supply-chain sustainability analysis
该论文介绍了 STDN-GEN，这是一个利用大语言模型智能体和精选词汇表来快速合成可审计的四级关键材料供应链网络的自动化系统，与人工制图相比，在显著提高复现性和效率的同时，在识别组件及其生产依赖关系方面实现了高准确度。
💻 计算机科学
XTrust-Chain: An Explainable Intrusion Detection System with Trust-Based Automation and Immutable Decision Records
XTrust-Chain 是一个多层入侵检测框架，它结合了集成分类器、校准信任度量指标以及加密安全的审计追踪，旨在实现高置信度的自动化决策，同时确保在多个基准数据集上实现告警的不可篡改验证。
💻 计算机科学
Closure-Guided Optimization: Minimum Structural Repair as a General Constraint-Handling Principle
本文引入了闭包引导优化（Closure-Guided Optimization, CGO），这是一种利用可行性闭包复杂度（Feasibility Closure Complexity, FCC）来最小化结构修复成本的约束处理框架，证明了其在违规排名与实际修复难度发生分歧的情景下的有效性，同时也承认其并非对现有方法的普遍优势。
💻 计算机科学
FOIN: A Federated Multi-Organoid Intelligence Architecture using Combinatorial Graph Modelling
本文提出了 FOIN，一种新颖的联邦多类器官智能架构，该架构利用组合图建模、神经形态计算和区块链技术，在分布式脑类器官之间实现安全、节能且保护隐私的协作学习，在显著降低比传统集中式系统更高计算成本的同时，实现了高准确率。
💻 计算机科学
Distilling Facial Emotional Cues into EEG Representations for Robust Emotion Recognition in Mental Health Monitoring
本文提出了一种跨模态增强蒸馏（C-MED）框架，该框架通过对比对齐和双线性交互，将多模态 EEG-面部知识迁移至可部署的仅 EEG 学生模型中，在无需推理时同步面部数据的情况下，在 SEED-VII 和 DEAP 基准测试上实现了鲁棒且与受试者无关的情绪识别。
💻 计算机科学
Dynamic ensemble approach for multi-class classification based on neighborhood rough sets and sequential three-way decisions
本文提出了 EM-S3WD，这是一个动态集成框架，它通过将邻域粗糙集与顺序三向决策以及条件动态集成策略相结合，旨在克服 Xu 等人原始模型中固定参考元组和二元约束的局限性，从而实现自适应且具有竞争力的多类分类性能。
💻 计算机科学
Artificial Intelligence Driven Grading and Personalised Feedback in Higher Education Assessment
这项系统性文献综述综合了2020年至2026年的证据，旨在证明虽然人工智能驱动的评分和个性化反馈显著提升了高等教育评估的效率、一致性和可扩展性，但其负责任的实施需要强大的伦理保障和人类监督，以应对算法偏见、数据隐私和学术诚信等挑战。
💻 计算机科学
TAG-lite: a pre-training task-affinity workflow for multi-task ADMET learning with disjoint datasets
本文介绍了 TAG-lite，这是一种基于梯度的预训练工作流，通过估算不相交 ADMET 数据集之间的任务亲和力，从而有效地对端点进行分组，并在化合物重叠极小的情况下提高多任务学习性能。
💻 计算机科学
Genre Classification of Saint Yared Qum Zema Using a Convolutional Neural Network
本研究提出了一种定制的卷积神经网络模型，通过将1,555个音频片段转换为频谱图图像，在对圣雅烈德（Saint Yared）埃塞俄比亚圣咏（Qum Zema）的三种流派进行分类时实现了88%的测试准确率，其表现优于ResNet、VGGNet和AlexNet等既有架构。