💻 Category

cs

2363 Arbeiten

💻 computer science

Quantum Diffusion with Attentive Twin-Stream Sparse Spatiotemporal for Cyberattack Detection in Smart Grids

Dieses Paper schlägt das Deep Twin-Stream Sparse Spatiotemporal Quantum Diffusion (STQD)-Framework vor, welches spärliche Twin-Stream-Transformer, Quantenkodierung und Quanten-Diffusionsmodelle integriert, um Cyberangriffe in intelligenten Stromnetzen effektiv zu detektieren, wobei eine überlegene Generalisierung und hohe F1-Scores auf diversen Benchmark-Datensätzen erreicht werden.

Ishika Adhikari, Mohsen Saffari, Arash Asrari2026-08-05
💻 computer science

An agentic multidisciplinary framework for diabetic retinopathy treatment planning

Dieses Paper stellt DRAgent vor, ein agentenbasiertes multidisziplinäres Framework, das einen neuen groß angelegten Datensatz und ein rollenbasiertes Multi-Agenten-System nutzt, um durch die effektive Simulation der Zusammenarbeit zwischen Fachärzten für Augenheilkunde und Endokrinologie überlegene, individualisierte Behandlungspläne für diabetische Retinopathie zu erstellen.

Tingting Shen, Zhiyuan Cai, Pujin Cheng, Li Lin, Meng Tian, Honghui Xia, Zhihao Jiang, Ting Zhang, Yantao Wei, Zhaoyang (…)2026-08-05
💻 computer science

A Speaker-Aware Hybrid Framework for Faithful Dialogue Summarization via Parameter-Efficient Reinforcement Learning

Dieses Paper schlägt ein parametereffizientes, sprecherbewusstes Hybrid-Framework vor, das hierarchische extraktive Kondensation, LoRA-basierte Adaption und Reinforcement Learning mit einer neuartigen Sprecher-Attributions-Belohnung kombiniert, um die Treue signifikant zu verbessern und Halluzinationen bei der Dialogzusammenfassung zu reduzieren, während gleichzeitig eine wettbewerbsfähige lexikalische Qualität beibehalten wird.

Nidhi Passi, Nitin Arvind Shelke2026-08-05
💻 computer science

Behavioral Signals of Echo Chamber Risk Around Misleading AI-Generated Videos

Diese Studie analysiert Verhaltenssignale aus über 1.000.000 Interaktionen auf großen Kurzvideo-Plattformen, um zu zeigen, dass dynamische Nutzerengagement-Muster, insbesondere Indikatoren für Rationalität und Neugier, effektiver als demografische Merkmale bei der Vorhersage der Zugehörigkeit zu Echokammern im Umfeld irreführender KI-generierter Videos sind, wodurch datenschutzbewusste Frühwarnsysteme unterstützt werden.

Yichang Gao, Paul Harrigan, Yuqi Wang, Fengming Liu2026-08-05
💻 computer science

PRLGB: Progressive Residual LightGBM for 5G Quality-of-Service Resource Allocation Prediction

Diese Studie stellt das Progressive Residual LightGBM (PRLGB) vor, ein dreistufiges Ensemble-Modell, das Standard-Baumbasierte Algorithmen bei der Vorhersage der 5G-Quality-of-Service-Ressourcenzuweisung signifikant übertrifft, indem es effektiv Residuenfehler lernt und unsicherheitsbewusste Merkmale fusioniert, um überlegene Genauigkeitsmetriken zu erreichen.

Partho Barui, Soham Biswas, Gokulraj Pandiyan2026-08-05
💻 computer science

Building an English–Arabic Benchmark Corpus for Evaluating AI Translation of Implicit Political Meaning in U.S. Presidential Discourse

Diese Studie führt ein englisch-arabisches Benchmark-Korpus ein, das aus US-Präsidentschaftsreden abgeleitet wurde, sowie ein entsprechendes Evaluierungsverfahren, das darauf ausgelegt ist, die Fähigkeit von KI-Übersetzungssystemen systematisch zu bewerten, implizite politische Bedeutungen zu bewahren, insbesondere Strategien der Indirektheit und der Namensvermeidung, die häufig zugunsten der lexikalischen Genauigkeit übersehen werden.

Mohammad Hanaqtah, Mheel Al-Smaihyeen, Tamadur Al-Shamayleh2026-08-05
💻 computer science

IZSafe: On-Body Deep Learning for Real-Time Firefighter Motion Recognition and Micro-Level Situational Awareness

IZSafe ist ein eingebettetes Deep-Learning-System, das Inertialsensoren an Sauerstoffflaschen-Tragegurten von Feuerwehrleuten nutzt, um durch die präzise Erkennung individueller Bewegungen mit einer Genauigkeit von 93,85 % auf einem ARM Cortex-M4-Mikrocontroller eine Echtzeit-Situationsbewusstheit auf Mikroebene zu erreichen.

Ondřej Knebl, Radovan Rečka, Filip Šigut, Ivan Zelinka, Michael Machů, Miloš Kvarčák, Roman Šebesta, Jan Rozhon, Martin (…)2026-08-05
💻 computer science

Condition-Aware Multi-Scale Temporal Learning for Wind Turbine Parameter Prediction

Diese Studie schlägt ein zustandsbewusstes Multi-Scale Long- und Short-term Time-series Network (CA-MS-LSTNet) vor, das durch einen verbesserten Bat-Algorithmus optimiert wurde, um die Genauigkeit der Ultrakurzfristprognose von Windturbinenparametern durch die effektive Modellierung nichtlinearer, heterogener und betriebszustandsabhängiger zeitlicher Charakteristika in SCADA-Daten signifikant zu steigern.

Jianpeng Han, Pan Luo, Huaping Zhang2026-08-05
💻 computer science

Compact convolutional neural networks for AI-based drone detection system

Diese Studie schlägt ein kompaktes Framework auf Basis faltender neuronaler Netze vor und validiert dieses, welches Software-Defined-Radio-Aufnahmen von Drohnen-Videoübertragungen in Zeitbereichsbilder umwandelt, um eine Echtzeit-Erkennung mit hoher Genauigkeit bei signifikant reduzierten Rechenkosten im Vergleich zu herkömmlichen spektrogrammbasierten Methoden zu ermöglichen.

Gábor Fazekas, Patrik Karakai, András Németh2026-08-05
💻 computer science

ALPR in Bad Conditions

Dieses Papier präsentiert ein kompaktes, CPU-optimiertes ALPR-System, das speziell für anspruchsvolle vietnamesische Straßenbedingungen entwickelt wurde und einen YOLOv8n-Detektor, ByteTrack, schnelles Deskewing sowie ONNX-beschleunigte OCR mit spatiotemporaler Abstimmung integriert, um trotz widriger Witterungsverhältnisse, Bewegungsunschärfe und vielfältiger Kennzeichenformate eine hohe Genauigkeit und Echtzeitleistung zu erreichen.

Nghia Nguyen2026-08-05