💻 Category

cs

3822 Arbeiten

💻 Informatik

An Augmented Structured Evidence Retrieval Framework for Generating Chemical Accident Emergency-Response Plans Using a Large Language Model

Dieses Paper schlägt HKRE-ARG vor, ein hierarchisches Key-Path-Retrieval- und Enhanced-Evaluation-Framework, das heterogenes chemisches Sicherheitswissen mit einem geschlossenen Feedback-Mechanismus integriert, um die Glaubwürdigkeit, regulatorische Konformität und Zuverlässigkeit von durch Large Language Models generierten Notfallreaktionsplänen für chemische Unfälle signifikant zu verbessern.

laijun zhao, yanglin Gao, lixin zhou, huiyong Li, pingle Yang2026-09-29
💻 Informatik

Seeing What Matters: Visual Evidence-Guided Learning for Improving Egocentric Reasoning (ChinaMM 2026)

Dieses Paper schlägt Visual Evidence-Guided Learning (VEGL) vor, ein einheitliches Framework, das das egozentrische Denken in großen Vision-Language-Modellen durch die Kombination von supervised Warm-up, bidirektionaler Filterung und Contrastive Grounded Reinforcement Learning verbessert, um zuverlässige visuelle Evidenz gegenüber sprachlichen Prioren oder irrelevantem Kontext zu priorisieren.

RuoHuai Xie, Shenshen Li, Guangji Huang, Xing Xu, Wenrong Zhang2026-09-29
💻 Informatik

A Standardized Blockchain Framework for Scalable Healthcare Data Management and Access Control

Dieses Paper schlägt ein standardisiertes Blockchain-Framework vor, das eine Datennormierungsschicht mit einem dezentralen Zugriffskontrollmechanismus unter Verwendung von DIDs und Smart Contracts integriert, um Interoperabilitäts- und Sicherheitsherausforderungen in fragmentierten Gesundheitsdaten-Ökosystemen zu adressieren und somit eine architektonische Grundlage für zukünftige Implementierung und Evaluierung zu schaffen.

Prince Arora2026-09-29
💻 Informatik

Value-Aware Heterogeneous Attention AI for E-Commerce Installment-Financing Prediction

Diese Studie stellt das Value-Aware Heterogeneous Financing Network (VHFN) vor, eine KI-Architektur, die E-Commerce-Ratenfinanzierung durch die Integration von kanalspezifischem neuronalem Lernen, wertsensitiver Optimierung und interpretierbaren Attention-Mechanismen effektiv vorhersagt, um herkömmliche Modelle hinsichtlich Kalibrierung und ökonomischer Entscheidungsrelevanz unter Verwendung von realen Transaktionsdaten zu übertreffen.

Xiaoting Yin, Wenwu Tan, Tian Tian2026-09-29
💻 Informatik

Adversarial Attacks on Artificial Intelligence Models: Defence Strategies, Datasets, Evaluation Metrics, and Future Research Directions

Diese Umfrage befasst sich mit der kritischen Schnittstelle zwischen Cybersicherheit und künstlicher Intelligenz, indem sie 1.000 Forschungsarbeiten analysiert, um 12 neue Adversarial Attacks zu identifizieren, Verteidigungsstrategien zu bewerten und zukünftige Forschungsrichtungen zur Minderung von Bedrohungen für KI-gestützte Sicherheitssysteme aufzuzeigen.

Hassan Mansur Hussien, Sharifah Md Ya, Nur Izura Udzir, Mohd Izuan Hafez Ninggal, Mustafa Thamer Wafeeq, Saba I Jawad2026-09-29
💻 Informatik

CTGAN Based Real Time Anomaly Detection for Enhanced Cybersecurity in Agriculture 5.0

Dieses Paper schlägt ein auf CTGAN basierendes Framework vor, das hochpräzisen synthetischen Netzwerkverkehr zur Ausbildung robuster Anomalieerkennungssysteme generiert und dabei eine überlegene Präzision sowie Rauschresistenz für die Echtzeit-Cybersicherheit in Agriculture 5.0-Umgebungen erreicht.

C. Senthilkumar, B. Subbulakshmi, Manikandan Thirumalaisamy, Ramesh Shunmugam, M. Arvindhan2026-09-29
💻 Informatik

Development of Machine Learning Model for Photographic Analysis of Orthodontic Patients

Dieses Paper präsentiert ein maschinelles Lernmodell, das Deep Learning auf Profilfotografien nutzt, um kefalometrische Messungen präzise zu generieren und somit eine sicherere, kostengünstigere und strahlungsfreie Alternative zur traditionellen radiografischen Analyse für kieferorthopädische Patienten bietet.

Shriya Murarka, Abhijeet Ramesh Raipurkar, Ranjit Kamble, Juhi Vaidya, Smruti Yelpure, Aditi Khare, Jayesh Jaiswal2026-09-29
💻 Informatik

Continual Image-Text Retrieval via Banzhaf Distillation from the Coalitional Game Perspective

Dieses Paper schlägt das Banzhaf Distillation Network (BDNet) für das kontinuierliche Bild-Text-Retrieval vor, welches Herausforderungen wie semantische Fehlausrichtung und Wissensaliasing adressiert, indem es durch die Banzhaf-Bewertung aus einer koalitionstheoretischen Perspektive hochgradige Token-Interaktionen modelliert, um die strukturelle cross-modale Wissensbasis über inkrementelle Sitzungen hinweg zu bewahren.

Lei Zhao, Fuhao Wei, Shaofan Wang, Yanfeng Sun2026-09-29