cs

A Unified Two-Phase Motion Regime-Aware Hybrid Multi-Sensor Data Fusion Framework for Navigation of Intelligent Systems

تقترح هذه الورقة إطاراً هجيناً موحداً ثنائي المراحل يدمج خط معالجة لتصنيف الحركة مدركاً للنظام مع ضبط تكيفي لمعلمات ضوضاء مرشح كالمان قائم على التعلم التعزيزي لتعزيز دقة ملاحة المركبات ذاتية القيادة ومتانتها ضد عمليات انتحال نظام تحديد المواقع العالمي (GPS).

A Deterministic Complete Graph Hill Cipher with Shift128 Residual Encryption for Universal Binary Files

تقدم هذه الورقة البحثية إطار التشفير الهجين CGHC-S128، الذي يجمع بين تشفير هيل للرسم البياني الكامل وتشفير المتبقي Shift128 لتشفير الملفات الثنائية الشاملة من أي حجم بأمان وكفاءة دون الحاجة إلى حشو، مع ضمان قابلية عكس المفتاح رياضياً، وفك التشفير المثالي، والمقاومة القوية للهجمات التحليلية التشفيرية.

CAI Computing Power Law: A Quantitative Framework for the Tripartite Balance of Computing Power, Algorithms and Generalized Information Resources

تقترح هذه الورقة قانون قدرة الحوسبة CAI، وهو إطار كمي (C = A/I) يوضح أن تحسين الخوارزميات وتنقية موارد المعلومات يمكن أن يعزز بشكل كبير القدرة الحوسبية الفعالة ويخفف من حدة تناقص العوائد، مما يوجه الصناعات لتحقيق توازن ثلاثي ديناميكي بين القدرة الحوسبية والخوارزميات والمعلومات العامة بدلاً من الاعتماد فقط على التوسع في الأجهزة.

Big Data-Driven Early Warning Model for Safety Risk Management in Tobacco Enterprises

تقترح هذه الورقة نموذجاً للإنذار المبكر لشركات التبغ قائماً على البيانات الضخمة، يدمج مسار بيانات موزعاً قابلاً للتوسع، وهندسة ميزات متقدمة، ونظام تعلم تجميعي للتغلب على قيود المراقبة التقليدية من خلال تمكين الكشف عن مخاطر السلامة ودعم اتخاذ القرار بشكل فوري ودقيق وقابل للتفسير.

Cross-Outbreak Transfer Learning Under Data/Label Scarcity: Foundation ML model for epidemiology

يقدم البحث إطار عمل OBFM-SafeEnsemble، وهو إطار تعلم نقل محمي عبر الفاشيات يستفيد من الأولويات المصدرية والتنظيم التكيفي لتحسين التنبؤ بحالة التأكيد بشكل كبير في فاشيات إيبولا شحيحة البيانات، مع منع انتقال المعرفة الضارة من خلال التحقق الصارم واختيار المجموعات.

Intelligent Adaptive Hybrid Encryption Based on Unimodular Hill Cipher, RSA-OAEP, and Chaotic Logistic Maps for Universal Digital File Security

Melanoma Prediction Using a Deep Convolutional Neural Network (CNN) Model

تقدم هذه الدراسة مراجعة ببليومترية ونظامية شاملة لأبحاث الكشف عن الميلانوما القائمة على التعلم العميق من عام 2015 إلى عام 2026، تسلط الضوء على الاتجاهات الرئيسية في بنيات الشبكات العصبية الالتفافية والتعلم بنقل الخبرة، مع تحديد التحديات الحرجة مثل عدم توازن مجموعات البيانات والتحقق السريري لتوجيه التطوير المستقبلي لأنظمة تشخيصية موثوقة.

Confidence-Gated Multimodal Fusion with Speech-Guided Captioning for Depression Detection

تقدم هذه الورقة إطار عمل متعدد الوسائط محكوم بالثقة يدمج التضمينات النصية، والميزات الصوتية، والتعليقات الوصفية للمشاعر الموجهة بالكلام لوزن موثوقية الوسائط ديناميكيًا، محققًا أداءً رائدًا في كشف الاكتئاب مع معالجة تسرب التقييم من خلال التحقق المتقاطع المتداخل الصارم.

State Authenticity under Multiple Bus Masters: A Non-Secure DMA Gap and Mitigation for TrustZone-M Proofs of Executio

تكشف هذه الورقة أن براهين التنفيذ الخاصة بـ TrustZone-M عرضة للتلاعب بالحالة عبر وحدات التحكم في الوصول المباشر للذاكرة (DMA) غير الآمنة لأن ضماناتها الأمنية تعتمد حصرياً على عزل وحدة المعالجة المركزية، وتقترح حلاً مخففاً باستخدام أمن الـ DMA لكل قناة لضمان أصالة الحالة ضد جميع الأسياد على الناقل (bus masters).

Does Model Compression Amplify Clinical Bias? A Subgroup Fairness Audit of Quantized ICU Risk Models on MIMIC-IV

تدقق هذه الدراسة تأثير تقنيات ضغط النماذج على عدالة المجموعات الفرعية في التنبؤ بمخاطر الإصابة بالاعتلال الكلوي الحاد في وحدات العناية المركزة باستخدام قاعدة بيانات MIMIC-IV، كاشفةً أنه بينما يمكن للكمية الساذجة أن تؤدي إلى تدهور كارثي في الأداء ويؤدي التقليم إلى الإضرار بشكل كبير بدقة المجموعات الفرعية، فإن الضوابط المنهجية السليمة تعد ضرورية لتجنب ادعاءات العدالة الزائفة ومعالجة التفاوتات المتأصلة الناتجة عن صغر أحجام المجموعات الفرعية.