💻 Category

cs

2371 Arbeiten

💻 computer science

Training-Time Regularization for Inference-Time Monitoring-A Unified Framework for Self-Supervised World Models

Dieses Paper identifiziert und adressiert das „Regularisierungs-Monitoring-Dilemma“, einen grundlegenden Konflikt, bei dem die für ein stabiles Training selbstüberwachter Weltmodelle (wie JEPA) erforderliche marginale Gaussianisierung unbeabsichtigt die diskriminativen geometrischen Strukturen unterdrückt, die für eine zuverlässige Anomalieerkennung zur Laufzeit notwendig sind.

Yu-Xiang Wu, Yuyan Wu2026-08-03
💻 computer science

Melanoma Detection Using Deep Convolutional Neural Networks: Architectures, Datasets, and Performance

Diese Arbeit präsentiert eine systematische Übersicht über Architekturen tiefer faltender neuronaler Netzwerke, Datensätze und Vorverarbeitungsstrategien für die automatisierte Melanomerkennung und hebt deren hohe Genauigkeit sowie aktuelle Herausforderungen wie Klassenimbalance und Interpretierbarkeit und zukünftige Richtungen wie föderiertes Lernen und Hybridmodelle hervor.

Kazi Abdul Mannan, Mashrafi Ahmed2026-08-03
💻 computer science

When Does Causal Pretraining Beat Direct Small-Data Causal Learning? Towards a causal foundation model

Dieses Paper stellt SciCFM vor, ein kausales Foundation-Model-Framework, das zeigt, dass interventionsreiches Cross-Task-Pretraining die Schätzung von Behandlungseffekten in extrem datenarmen, komplexen kausalen Regimen signifikant verbessert, wenngleich es in niedrigdimensionalen Settings weniger effektiv bleibt als direkte regularisierte Schätzer.

Vikas Ramachandra2026-08-03
💻 computer science

From Large Language Models to Multimodal Intelligence: Bridging AI and Cognitive Science

Dieser Übersichtsartikel argumentiert, dass, während Large Language Models beeindruckende kognitive Fähigkeiten demonstrieren, die zukünftige Weiterentwicklung der KI die Überbrückung der Lücke zu multimodaler Intelligenz durch verkörperte Erfahrungen, hierarchische Modulation und autonome Verstärkung erfordert, um die inhärenten Einschränkungen rein sprachbasierter Systeme zu überwinden.

Yanru Jiang, Rick Dale2026-08-03
💻 computer science

Front Propagation–Based Clustering: A Density-Driven Graph Framework

Dieses Paper schlägt ein auf Frontenpropagation basierendes Clustering-Framework vor, das adaptive und Ankunftszeit-Algorithmen vereinigt, um durch kompetitive Propagationsdynamiken auf einem Nachbarschaftsgraphen Cluster zu bilden, wobei nichtkonvexe Strukturen, variierende Dichten und Rauschen effektiv gehandhabt werden, ohne auf globale Optimierung oder sensible Schwellenwerte angewiesen zu sein.

Abdesslem Layeb2026-08-03
💻 computer science

Self-Evolving Agentic Reinforcement Meta-Learning Framework for Adaptive Cloud Scheduling under Dynamic Workloads

Dieses Paper schlägt ein selbstentwickelndes, agentenbasiertes Reinforcement-Meta-Learning-Framework vor, das Zielentwicklung mit Policy-Learning integriert, um Cloud-Scheduling-Ziele autonom als Reaktion auf dynamische Arbeitslasten anzupassen, und demonstriert dabei eine überlegene Leistung in Bezug auf Latenz, Kosten und Ressourcenausnutzung im Vergleich zu traditionellen Scheduling-Methoden.

Mrs.Bhavani R, Punithasurya K, Divya s2026-08-03
💻 computer science

Secure User Privacy Enforcement in IoT Through a Blockchain- Powered Identity Management System

Dieses Paper schlägt SecureChain-ID vor, ein auf Blockchain basierendes Identitätsmanagementsystem, das elliptische Kurven-Kryptographie und Zero-Knowledge-Proofs nutzt, um eine skalierbare, sichere und datenschutzwahrende Authentifizierung für ressourcenbeschränkte IoT-Geräte bereitzustellen und gleichzeitig Single Points of Failure durch dezentrale Governance zu eliminieren.

Majid Altuwairiqi2026-08-03
💻 computer science

A Framework for Customer Needs Analysis: Integrating Dynamic Sentiment Lexicon Construction with Kano Model

Dieses Paper schlägt ein datengesteuertes Framework vor, das ein geführtes BERTopic, ein dynamisches, domänenspezifisch adaptiertes Sentiment-Lexikon und das Kano-Modell integriert, um Online-Bewertungen objektiv zu analysieren und Produktverbesserungen zu priorisieren, was durch eine Evaluierung von 8.970 Rezensionen zu Neufahrzeugen mit neuer Energie demonstriert wird.

Qiong He, Yijia Li, Zhenwei Yang, Shuai Wang, Jian Zhang2026-08-03
💻 computer science

Deep Reinforcement Learning-Based Dynamic Mode Selection and Power allocation for Clustered Vehicular Networks

Dieses Paper schlägt ein Multi-Agent-Parameter-Sharing-Proximal-Policy-Optimization (PPO)-Framework für die dynamische Moduswahl und Leistungsallokation in geclusterten Fahrzeugnetzwerken vor, welches traditionelle Baselines durch die Verbesserung der Zuverlässigkeit, die Reduzierung der Latenz und die Senkung der Übertragungsleistung durch adaptives Lernen lokaler Netzwerkbedingungen signifikant übertrifft.

Eugenia Rudo Nyanhete, Elijah Mwangi, Karim Djouani2026-08-03