💻 Category

cs

3854 Arbeiten

💻 Informatik

ThreatQwen: Domain-Adaptive Fine-Tuning of a 1.7B LLM for Security Event Classification and SOC Triage

Dieses Paper stellt ThreatQwen-1.7B-Detect vor, ein lokal einsatzfähiges, Open-Source-Sprachmodell mit 1,7B Parametern, das auf einem kuratierten Korpus aus echten Detektionsregeln und synthetischen Daten feinabgestimmt wurde und eine Genauigkeit von 95,1 % bei der Klassifizierung von Sicherheitsereignissen erreicht, wobei es Frontier-Modelle wie GPT-4o signifikant übertrifft und dabei vollständig offline für luftgelappte SOC-Umgebungen arbeitet.

Md. Minaruzzaman Shovon2026-09-29
💻 Informatik

NC-LoRaSim: A No-Code, NS3-Based LoRaWAN Simulation Platform Bridging Usability and Accuracy

Dieses Paper präsentiert NC-LoRaSim, eine No-Code, auf NS-3 basierende Simulationsplattform, die die Lücke zwischen Benutzerfreundlichkeit und Genauigkeit in der LoRaWAN-Forschung schließt, indem sie Multi-Mode-Schnittstellen für eine intuitive Konfiguration und automatisierte Experimente bietet, während sie gleichzeitig eine High-Fidelity-Modellierung bewahrt, um die Setup-Zeit signifikant zu reduzかen und die Reproduzierbarkeit zu verbessern.

Mohamed-Ali Hadj Amor, Ismail BENNIS2026-09-28
💻 Informatik

From Data Sharing to Data Surveillance? - AI Agents and the Panoptic Dynamics of Mobility Data Spaces

Dieses Paper argumentiert, dass Transparenzmechanismen wie Protokollierung und Audit-Trails zwar essenziell für die Rechenschaftspflicht in KI-gesteuerten Mobilitätsdatenräumen sind, sie jedoch unbeabsichtigt Überwachungseffekte erzeugen können, die die freiwillige Beteiligung von Stakeholdern abschrecken, was einen restrukturierten Rahmen erfordert, der auf Zweckbindung, Zugriffskontrollen und nutzerorientierter Transparenz basiert, um das Gleichgewicht zwischen den Vorteilen des Datenaustauschs und dem Vertrauen zu wahren.

Tim Robin Kosack, Sofia Kyrampalidou, Clemens Danda, Simon Odrowski2026-09-28
💻 Informatik

Interdependent Process Optimization Using Constrained Factor Graphs for a Multi-Robot Team

Dieses Paper schlägt ein skalierbares, GPU-freundliches Framework vor, das kollaborative Multi-Roboter-Systeme optimiert, indem es jeden Agenten mit individuellen eingeschränkten Faktorgraphen modelliert und diese durch strukturierte, interdependenten Faktoren verknüpft, um eine effiziente, dezentrale vektorbasierte Optimierung zu ermöglichen.

Behzad akbari, William Wakely, Lucas Wan, Qiguang Chen, Ya-Jun Pan, Haibin Zhu2026-09-28
💻 Informatik

Ensemble learning for time series forecasting using metaheuristic optimisation

Dieses Paper schlägt zwei neuartige Ensemble-Learning-Frameworks vor, Ensemble Particle Swarm Optimisation und Ensemble Adaptive Robust Optimisation, welche die Gewichte der Basismodelle dynamisch optimieren, um eine überlegene Genauigkeit bei der Aktienkursvorhersage im Vergleich zu autonomen neuronalen Netzen und anderen hochmodernen Modellen zu erreichen.

Rajiv Kumar Ranjan, Krishan Kumar Sethi, Ankita Sinha2026-09-28
💻 Informatik

A Multi-Agent Framework for Explainable Brain Tumour Instance Segmentation and Clinical Report Generation Using ASIO-Optimised YOLO Architectures

Dieses Paper präsentiert ein neuartiges Multi-Agenten-Framework, das ASIO-optimierte YOLO-Architekturen (v8, v11 und 26) mit Qwen-gesteuerten LLM-Agenten integriert, um eine hochpräzise Instanzsegmentierung von Hirntumoren sowie eine automatisierte, erklärbare klinische Berichterstellung mit geringer Inferenzlatenz zu erreichen.

Shrikant Manikarao Mahindrakar, Yudhishthir Raut, Snehankita Majalekar, Kamlesh Arun Meshram, Sagar Dhanraj Pande, Vivek (…)2026-09-28
💻 Informatik

PACT: Joint Pose and Camera Transformer for Uncalibrated Multi-View 3D Human Pose Estimation

PACT ist ein End-to-End-Transformer-Framework, das 3D-Humanposen und Kameraparameter gemeinsam aus unkalibrierten Multi-View-2D-Keypoints schätzt und dabei eine erstklassige Genauigkeit sowie eine starke Generalisierung über variable Ansichtenanzahlen und reale Domänen hinweg erreicht, indem es die Notwendigkeit einer vorherigen Kamerakalibrierung eliminiert.

Mingdu Lin, Liangtai Zhou, Weiwei Zhang, Huanlong Zhong, Jiayou Chen, Lixu Huang, Jianqing Zhu2026-09-28
💻 Informatik

Cross-Prior Reliability Fusion for Traffic Salient Object Boundary Detection in Autonomous Driving

Das Papier schlägt Cross-Prior Reliability Fusion (CPRF) vor, ein leichtgewichtiges Framework zur Kalibrierung auf Vorhersageebene, das die Detektion von Grenzen signifikanter Objekte im Verkehr durch das Erlernen räumlicher Residuen aus semantischen und Grenz-Priors optimiert, ohne die zugrunde liegenden visuellen Extraktoren zu aktualisieren, wodurch eine Spitzenleistung auf dem TSOD10K-Datensatz erreicht wird.

Run Yuan, Haonan Long, Xueli Wang2026-09-28
💻 Informatik

FRAP: Fisher–Rao Geometric Trajectory Pruning for Class-Aware Dataset Selection

Das Paper schlägt FRAP vor, ein klassenbewusstes Dataset-Pruning-Framework, das die Fisher-Rao-Geometrie nutzt, um die prädiktive Trajektorie von Trainingsbeispielen mittels eines Effective Information-Geometric Displacement-Scores zu quantifizieren, was eine effiziente Auswahl informativer Daten ermöglicht, um die Rechenkosten zu senken und gleichzeitig die Klassifizierungsleistung aufrechterhalten zu können.

Bahar Niknam, Hedieh Sajedi2026-09-28
💻 Informatik

A Study on Autonomous Navigation and Obstacle Avoidance Methods for UAVs Based on Visual-Inertial Fusion

Dieses Paper schlägt eine kostengünstige, leichtgewichtige Vision-Inertial-Fusionsmethode für Mikro-Drohnen vor, die VINS-Mono zur hochfrequenten Pose-Schätzung mit Ego-Planner für die dynamische Trajektorienplanung kombiniert und so eine robuste autonome Navigation sowie Hindernisvermeidung in GPS-gestörten Umgebungen mit hoher Hindernisdichte mit einer Erfolgsrate von mindestens 70 % und einer im Vergleich zu A* überlegenen Trajektorienglätte erreicht.

Jian Gong HU, XuYang BU, Rui Juan GAO, Qi LIU, Lei WANG2026-09-28