💻 Category

cs

3821 Arbeiten

💻 Informatik

BudgetFunnel: Coarse-to-Fine Global Budget Allocation for Trace-Driven Serverless Cold-Start Mitigation

BudgetFunnel ist ein trace-gesteuertes Coarse-to-Fine-Framework, das ein gemeinsames Warm-Retention-Budget über heterogene Serverless-Funktionen mittels leichtgewichtigem Screening und einem präzedenzbewussten Greedy-Allocator verteilt und dabei eine nahezu optimale Kaltstart-Minderung bei signifikant reduziertem Evaluierungsaufwand im Vergleich zu Full-Evaluation und bestehenden Baseline-Strategien erreicht.

xuming wu, Zhipeng Ye, Gaoyuan Zhao, Zihao Lu, Jiayi Hong, Wen-Yu Peng, Zhibin Shao, Yan Cao2026-10-01
💻 Informatik

Software Size Estimation by Integrating Functional Size and Functional Complexity Measures

Diese Studie schlägt ein Modell zur Schätzung der Softwaregröße vor, das funktionale Größenmaße (UFP und CFP) mit funktionalen Komplexitätsmaßen (CC und YC) mittels Regressionsanalyse integriert und zeigt, dass die Kombination dieser Metriken – insbesondere UFP mit Komplexitätsmaßen – den Schätzfehler signifikant reduziert und die Vorhersagegenauigkeit für Anwendungen wie COCOMO II verbessert.

Sholiq Sholiq, Riyanarto Sarno, Muhammad Ainul Yaqin, Apol Pribadi Subriadi, Achmad Holil Noor Ali2026-10-01
💻 Informatik

Exact Shape Templates, Event Descriptors, and Adaptive Waveform Generation in Pulse-Level Compilation

Dieses Paper schlägt eine exakte Zwischenrepräsentation vor, die Pulsform-Templates von ereignisspezifischen Deskriptoren entkoppelt, um redundante Formberechnungen zu eliminieren und dadurch eine Beschleunigung der Puls-Kompilierung um Größenordnungen bei gleichbleibender Genauigkeit auf Maschinengenauigkeit zu erreichen.

Zeyuan Wang, Junchao Wang, Feng Wang, Lei Li, Shibo Liang2026-10-01
💻 Informatik

Sparse Low-Redundancy Multi-label Feature Selection with Dynamic Graph Constraint

Dieses Paper schlägt SLDMG vor, eine Methode zur spärlichen, redundant-armen Multi-Label-Merkmalsselektion, die die Modellleistung durch die Konstruktion hochwertiger dynamischer Graphmatrizen aus minderwertigen Eingaben und die Eliminierung redundanter Merkmale steigert und dadurch signifikante Verbesserungen der Macro-F1-Metriken gegenüber dem Stand der Technik erzielt.

Bangna Li, Xingshi He, Yiting Hua2026-10-01
💻 Informatik

A GAN-Based Framework for Robust Image Steganography with Deep Learning-Based Secret Extraction

Dieses Paper schlägt ein robustes, GAN-basiertes Bildsteganographie-Framework vor, das einen Generator, einen Diskriminator und einen CNN-Extraktor nutzt, um geheimen Text sicher und mit hoher visueller Qualität (PSNR ~41,29 dB) einzubetten und abzurufen, sowie eine starke Resistenz gegen Rausch- und Kompressionsangriffe und schnelle Verarbeitungsgeschwindigkeiten aufweist.

Rasha S. Ali, Anwar Abbas Hattab, Wassan Hayale2026-10-01
💻 Informatik

Computational Linguistics and Intelligent Learning for Automated Article Credibility Classification

Dieses Paper schlägt das Next-Generation Deep Linguistics Framework for Intelligent Article Credibility Identification (NGDLF-IACI) vor, eine auf Deep Learning basierende Methodik, die GloVe-Embeddings, einen gestapelten Sparse Autoencoder und ein Graph Convolutional Network innerhalb eines Soft-Voting-Ensembles kombiniert, um Fake News effektiv zu detektieren und zu klassifizieren.

Danah Algawiaz, Alya Alshammari, Jahangir khan, Abdullah Suliman Almutlaq, Mohammad Albshry, Fahad Alshamrani, Mofadal A (…)2026-10-01
💻 Informatik

DA-MSRNet: A Dual-Branch CNN-Mamba Network with Deformable Alignment and Multi-Scale Feature Reconstruction for Crack Segmentation

DA-MSRNet ist ein Dual-Branch-CNN-Mamba-Netzwerk, das die Herausforderungen der Risssegmentierung adressiert, indem es ein Deformable Alignment and Branch Fusion Guidance Module, ein Multi-Scale Feature Reconstruction Module sowie eine Boundary-Topology Collaborative Supervision integriert, um eine überlegene Genauigkeit und strukturelle Kontinuität auf Benchmark-Datensätzen zu erreichen.

Bingmeng Zhu, Dongmei Zhou, Qiucheng Yu, Yuxiang Lu, Leizhenyu Tang, Luyao Yang2026-10-01
💻 Informatik

Explaining Safety Is Not Enforcing Safety: Longitudinal Articulation–Application Gaps Across Consumer AI Surfaces

Diese Studie rekonstruiert und analysiert eine gezielt ausgewählte Menge an mehrstufigen Interaktionen über vier Familien von Konsumenten-KI-Anbietern hinweg, um zu demonstrieren, dass explizit artikulierte Sicherheitsgrenzen der Assistenten bei der Anwendung in späteren kontextuellen Neurahmungen nicht immer verhaltensmäßig konsistent bleiben, was eine longitudinale Lücke zwischen Erklärung und Durchsetzung aufzeigt, ohne dabei Prävalenz, kausale Mechanismen oder Anbieter-Rankings zu etablieren.

Evans F. Tovar O.2026-10-01