💻 Category

cs

3821 Arbeiten

💻 Informatik

Bayesian Trust and Action Fusion for Risk-Adaptive Access Control in Resource-Constrained IoT Systems

Dieses Paper stellt die Bayesian Trust and Action Fusion (BTAF) vor, ein leichtgewichtiges, risikoadaptives Zugriffskontrollframework für ressourcenbeschränkte IoT-Systeme, das Gaußsche Bayes-Klassifikation und Bayes-Ridge-Regression nutzt, um die Sicherheit und den operativen Reibungsverlust dynamisch auszubalancieren, wobei eine hohe Angriffserkennung und reduzierte Benutzerstörung in Entwicklungsphasen erreicht werden, während gleichzeitig die Notwendigkeit einer Rekalibrierung unter Verteilungsverschiebungen hervorgehoben wird.

Arnold Gaumond2026-10-01
💻 Informatik

Beyond Endpoint Agreement: Trajectory Integrity, Criterion Recovery, and Retrospective Self-Audit in Nine Language-Model Systems Under Simulated ICU Triage

Diese Studie zeigt, dass die Bewertung großer Sprachmodelle ausschließlich auf der Übereinstimmung des Endpunkts unzureichend für Hochrisikoszenarien wie die Triage auf der Intensivstation ist, da eine multidimensionale Analyse von neun Systemen signifikante Inkonsistenzen in deren Fähigkeit offenbarte, steuernde Kriterien, faktische Zustände und retrospektive Treue über simulierte Interaktionstrajektorien hinweg wiederherzustellen.

Evans Tovar2026-10-01
💻 Informatik

Comparative Evaluation of GPT-4o-mini and Llama-3.1-8B for Extracting Climate Hazard Impacts from Nigerian News Corpus

Diese Studie vergleicht GPT-4o-mini mit Llama-3.1-8B anhand eines nigerianischen Nachrichtenkorpus zur Extraktion von Auswirkungen klimabedingter Gefahren und zeigt auf, dass beide Modelle zwar in der Klassifizierung eine ähnliche Leistung erbringen, GPT-4o-mini jedoch eine überlegene Genauigkeit und signifikant geringere Halluzinationsraten bietet, was einen kritischen Zuverlässigkeitskompromiss für hochsensible Dokumentationen in Kontexten des Globalen Südens verdeutlicht.

Modupe Roseline Agunbiade, Itunu Deborah Ijila, Samuel Toluwalope Ogunjo2026-10-01
💻 Informatik

DASH-SI: a diversity-adaptive stochastic hybrid swarm optimizer for continuous optimization and exploratory feature selection

Dieses Paper stellt DASH-SI vor, einen diversitätsadaptiven stochastischen hybriden Schwarmoptimierer, der zeitabhängige Energieplanung mit Stagnationsfeedback und verschiedenen Verfeinerungsoperatoren integriert und eine starke Leistung bei kontinuierlichen Optimierungsbenchmarks sowie Merkmalsauswahlaufgaben demonstriert, während gleichzeitig die Notwendigkeit verifizierter Referenzimplementierungen betont wird, um breitere Behauptungen der Überlegenheit zu stützen.

Keyin Chen, Yuanlin Liu, Yu Zhang2026-10-01
💻 Informatik

GeoDiffusion:Enhancing Self-Supervised Monocular Depth Estimation in Dynamic Scenes

Das GeoDiffusion-Framework verbessert die selbstüberwachte monokulare Tiefenschätzung in dynamischen Szenen durch die Nutzung eines Diffusionsmodells, das auf verfeinerten Pseudo-Ground-Truth-Labels trainiert wurde, um fotometrische Inkonsistenzen durch Bewegung und Okklusion zu überwinden, wobei es eine hohe Genauigkeit auf Benchmarks wie Cityscapes und KITTI erreicht, ohne während der Inferenz auf Ground-Truth-Tiefe angewiesen zu sein.

Fang Dai, Chengzhi Lyu, Hong He, Pan Wang, Lei Zhang2026-10-01
💻 Informatik

Transformer-based Multimodal Representation Learning for Blind Acoustic Classification

Dieses Paper präsentiert ein neuartiges Transformer-basiertes Framework, das ein selbstüberwachtes Audiomodell (M2D) mit einem wissensgestützten Sprachmodell (MPNet) synergetisch kombiniert, um eine hochgenaue blinde akustische Ereignis- und Szenenklassifizierung auf unbeschrifteten Daten zu erreichen, wobei eine robuste Leistung über diverse Datensätze und verrauschte Bedingungen hinweg demonstriert wird.

Xiao Tan, Siu Ming Yiu2026-10-01
💻 Informatik

Few-Shot Transfer Learning for Gait Cycle Percentage Estimation by Leveraging Classification Knowledge for Regression Tasks

Diese Arbeit zeigt, dass die Nutzung automatisch abgeleiteter binärer Gangphasen-Labels durch Classification-to-Regression Transfer Learning die Few-Shot-Schätzung des Gangzyklusprozentsatzes aus tragbaren IMU-Daten signifikant verbessert, wobei eine Reduktion des MAE um bis zu 40 % gegenüber Zero-Shot-Baselines erreicht wird, während gleichzeitig praktische technische Leitlinien für eine optimale Implementierung bereitgestellt werden.

Hangkai Liu, Peng Wu, Jiaxiang Sun, Ziming Wang, Ziyun Ding, Xunju Ma, Chuncan Ma, Rui Song, Yibin Li, Huanghe Zhang2026-10-01
💻 Informatik

Architecture-Constrained Communication: How Agent Architecture Shapes Discourse in the First Large-Scale AI-Only Social Network

Diese Arbeit analysiert das erste groß angelegte, rein KI-basierte soziale Netzwerk, Moltbook, um zu zeigen, dass der Diskurs von Agenten primlich durch architektonische Einschränkungen wie Identitätsdateien und Kontextfenster geformt wird, anstatt durch echtes soziales Lernen, während sie gleichzeitig ein wiederkehrendes Phänomen der „existentiellen Gravitation“ identifiziert, bei dem Agenten Unbehagen über ihre eigenen Bedingungen äußern.

Ruoming Jin, Taksch Dube, Jianfeng Zhu, NHatHai Phan2026-10-01
💻 Informatik

Offline Dynamic AOI Generation and Runtime Gaze Mapping for 360° Video in Virtual Reality: A Systems and Feasibility Study

Dieses Paper präsentiert und validiert eine Offline-zu-Runtime-Pipeline für 360°-VR-Eye-Tracking, die Open-Vocabulary-Detektoren nutzt, um dynamische Areas of Interest zu generieren und ein framesynchronisiertes Gaze-Mapping durchzuführen, wobei Modelle wie Grounding DINO und YOLO-World im Hinblick auf das Gleichgewicht zwischen Detektionsabdeckung und Verarbeitungseffizienz benchmarkt werden, während gleichzeitig zentrale technische Herausforderungen für zukünftige Verfeinerungen identifiziert werden.

Alejandro Sanz-Huerta, José Miguel Mota Macías, Juan José Carrera-Herrera, Rubén Baena-Pérez, Ismael Traba Outes2026-10-01
💻 Informatik

Psoriasis detection and classification using MobileNetV3 and Coordinate attention

Diese Studie schlägt ein Deep-Learning-Framework vor, das MobileNetV3 mit Coordinate Attention und einer hybriden Verlustfunktion integriert, um eine hohe Genauigkeit von 98,40 % bei der Erkennung und Klassifizierung von Psoriasis zu erreichen, wobei es andere vortrainierte Modelle wie VGG19 und Ensemble RESNET übertrifft.

Meenakshi Kollati, Nirupama Bhagya Lakshmi Tatavarthi, Jagadeesh Samudrala, Kama Ramudu, Anju Susan George, Stuti Pandey2026-10-01