💻 Category

cs

3895 Arbeiten

💻 Informatik

Artificial Intelligence Driven Grading and Personalised Feedback in Higher Education Assessment

Diese systematische Literaturübersicht synthetisiert Belege aus den Jahren 2020 bis 2026, um aufzuzeigen, dass KI-gestützte Bewertung und personalisiertes Feedback die Effizienz, Konsistenz und Skalierbarkeit in der Hochschulprüfung zwar signifikant verbessern, deren verantwortungsvolle Implementierung jedoch robuste ethische Schutzmaßnahmen und menschliche Aufsicht erfordert, um Herausforderungen wie algorithmische Voreingenommenheit, Datenschutz und akademische Integrität zu bewältigen.

Mziwendoda Cyprian Madwe2026-09-10
💻 Informatik

Genre Classification of Saint Yared Qum Zema Using a Convolutional Neural Network

Diese Studie präsentiert ein maßgeschneidertes Convolutional Neural Network Modell, das eine Testgenauigkeit von 88 % bei der Klassifizierung der drei Genres der äthiopischen sakralen Musik des Heiligen Yared (Qum Zema) durch die Umwandlung von 1.555 Audiosegmenten in Spektrogramm-Bilder erreicht und dabei etablierte Architekturen wie ResNet, VGGNet und AlexNet übertrifft.

Birku Litgeb Aschenek, Alehegn Ayanaw Getaneh, Getaneh Awoke2026-09-10
💻 Informatik

Hierarchical Compositional Hypergraphs Encode Document Structure for Classification

Dieses Paper führt einen Hierarchical Compositional Hypergraph (HCH) ein, der die Dokumentenstruktur durch geordnete Token-, Satz- und Paragraphenschichten kodiert, und zeigt auf, dass die Kombination dieser strukturellen Merkmale mit dem Standard-TF–IDF statistisch signifikante Verbesserungen der Genauigkeit der Textklassifizierung sowie des Macro-F1-Werts gegenüber rein lexikalischen Baselines erzielt.

Madjid Eshaghi Gordji, Mohamadali Berahman2026-09-10
💻 Informatik

CauCity-WM: An Intervention-Consistent Generative World Model for Counterfactual Urban Dynamics and Risk-Aware Decision Making

Das Papier stellt CauCity-WM vor, ein kausales generatives Weltmodell, das durch den Einsatz eines Twin-World-Struktur-Diffusionsprozesses zur Generierung konsistenter faktischer und kontrafaktischer Zukünfte mittels abduktivem exogenem Rauschen die urbane Prognose, die kontrafaktische Schätzung und die risikobewusste Entscheidungsfindung vereinigt.

Kai Ma, Miao Yu2026-09-10
💻 Informatik

Interpretable ensemble machine learning identifies player-specific performance indicators in elite tennis

Diese Studie zeigt, dass ein interpretierbarer Ensemble-Machine-Learning-Workflow, der auf die Grand-Slam-Daten von Novak Djokovic angewendet wurde, nicht nur eine hohe Vorhersagegenauigkeit für Satzergebnisse erreicht, sondern auch spielerspezifische Leistungsindikatoren, wie etwa Rückschläge, offenlegt, die von Einzelmodellen oft übersehen werden.

Yifeng Li, Weixiang Jiao, Meiyi ZouZhu, Yawen Zheng, Wenjie Lu, Yihang Kong, Xingyun Li2026-09-10
💻 Informatik

VectorLLM++: A Unified Next-Token-Prediction MLLM for Dense Remote Sensing Perception and Vector Mapping

VectorLLM++ ist ein vereinheitlichtes Next-Token-Prediction-multimodales großes Sprachmodell, das den Mangel an Daten und das Fehlen strukturierter Vektor-Outputs überwindet, indem es neuartige Tokenizer für Koordinaten und Masken einführt, was es ihm ermöglicht, spezialisierte Modelle in sieben vielfältigen Aufgaben der Fernerkundungs-Wahrnehmung und Vektor-Kartierung zu übertreffen.

Shunping Ji2026-09-10
💻 Informatik

Native Byzantine-Robust Aggregation for Trustworthy Federated Learning: A C++20 Evaluation of Krum, Multi-Krum, Trimmed Mean, and Coordinate-wise Median

Dieses Paper präsentiert und evaluiert eine hochperformante C++20-Implementierung von Byzantiner-robusten Aggregationsalgorithmen (Krum, Multi-Krum, Trimmed Mean und Median) für das föderierte Lernen und demonstriert durch rigorose Korrektheitsprüfungen und Benchmarks, dass die Kombination aus expliziten Byzantiner-Annahmen mit numerisch defensiven nativen Systemdesigns die Aggregation signifikant beschleunigt, während gleichzeitig die Robustheit gegenüber adversariellen Updates aufrechterhalten wird.

Md Shahanur Islam Shagor2026-09-10
💻 Informatik

Policy-Gated Zero-Trust Federated Learning: Identity-Bound Enrollment, Replay-Resistant Control, and Secure Coordination

Dieses Paper schlägt eine richtlinienbasierte Zero-Trust-Architektur für föderiertes Lernen vor und validiert diese, indem es die Netzwerkauthentifizierung von dem Einfluss auf das Modell entkoppelt, indem Identitäten an signierte Token gebunden werden, strikte Einschreibungsfristen mit kryptografischen Nonces erzwingt und diese rigoros gegen 22 adversarielle Szenarien testet, um sicherzustellen, dass nur autorisierte, aktuelle und nicht widerrufene Teilnehmer den globalen Modellzustand beeinflussen können.

Md Shahanur Islam Shagor2026-09-10
💻 Informatik

Adaptive Recursive Learning in Mixture of Experts: A Systematic Review

Diese systematische Übersicht unterscheidet zwischen adaptivem Routing und rekursivem Lernen in Mixture-of-Experts-Architekturen (MoE), um das Recursive Adaptive Recursive Learning (RARL)-Framework vorzuschlagen, welches die aktuelle Literatur zu dynamischer Berechnung und Experten-Spezialisierung synthetisiert, während es gleichzeitig eine Forschungsagenda skizziert, um Herausforderungen wie Routing-Stabilität und ressourcenbeschränkte intelligente Allokation anzugehen.

SIMAR SINGH RAYAT2026-09-10