💻 Category

cs

2456 Arbeiten

💻 computer science

Calibrated Explainable AI for Student Risk Prediction with Resource-Constrained Intervention and Machine Unlearning

Dieses Paper präsentiert ein datenschutzwahrendes, ressourcenbeschränktes Framework für die frühzeitige Vorhersage von Studierendenrisiken, das kalibrierte XGBoost-Modelle, SHAP-basierte Erklärbarkeit und eine budgetbewusste agentische Interventionsschicht integriert, um eine präzise, interpretierbare und konforme Entscheidungsfindung zu gewährleisten und gleichzeitig Machine Unlearning zu unterstützen.

Essa E. Almazroei2026-07-09
💻 computer science

Cerebro Tune: A novel Bio-Inspired Hybrid Metaheuristic for Hyperparameter Optimizations in Deep Learning Using Cellular Automata and Reinforcement Learning

Dieses Paper stellt CerebroTune vor, eine neuartige, bio-inspirierte hybride Metaheuristik, die zelluläre Automaten, einen modifizierten Artificial Bee Colony Algorithmus sowie Reinforcement Learning mit Hopfield-Netzwerken integriert, um Hyperparameter des Deep Learning dynamisch zu optimieren und dabei im Vergleich zu bestehenden Methoden eine überlegene Genauigkeit, reduzierte Rechenkosten und eine verbesserte Stabilität über verschiedene Domänen hinweg zu erreichen.

Reza Molaee Fard, Farsad Zamani Borojeni, Javad Mohammadzadeh2026-07-09
💻 computer science

Enhanced Gold Mining Optimization with Dual-Layer Information Sharing and Dynamic Control for Multi-Objective Scheduling of Heterogeneous UAV Swarms

Dieses Papier schlägt einen verbesserten Goldminen-Optimierungsalgorithmus mit einem dualen Schicht-Informationsaustausch-Framework und dynamischer Pareto-Dominanz (IGMO-DP) vor, um das Multi-Objective-Scheduling-Problem heterogener UAV-Schwärme durch die gleichzeitige Optimierung von Missionsabschlusszeit, Energieverbrauch und Lastverteilung effektiv zu lösen, wobei eine überlegene Konvergenz und Lösungsdiversität im Vergleich zu aktuellen State-of-the-Art-Algorithmen nachgewiesen wird.

Zhongming Lin, Siyuan Wei2026-07-09
💻 computer science

Queue-Aware Task Offloading in the ComputingContinuum under Dynamic Workloads

Dieses Paper schlägt eine warteschlangenbewusste Task-Offloading-Methode für das Computing Continuum vor, die eine analytisch korrigierte G/G/c-Verzögerungsapproximation mit Echtzeit-Warteschlangenerfassungen hybridisiert, um Aufgaben unter variablen Arbeitslasten dynamisch zuzuweisen, wodurch die Latenz und den Schätzfehler im Vergleich zu bestehenden Baselines signifikant reduziert wird, ohne dass ein Training oder eine Kalibrierung erforderlich ist.

Lluis Mas, Jordi Mateo, Jordi Vilaplana, Josep Rius2026-07-09
💻 computer science

DPENet: A Dynamic Perception Enhancement Network for Object Detection in Remote Sensing Images

Dieses Paper schlägt DPENet vor, ein dynamisches Wahrnehmungsverbesserungsnetzwerk, das adaptive dynamische Konvolution, deformierbare Aufmerksamkeit und dynamische Sampling-Module integriert, um Herausforderungen wie variierende Zielgrößen, dichte kleine Objekte und komplexe Hintergründe in der hochauflösenden Fernerkundungsbilddetektion effektiv zu adressieren.

Xiaoxiao wang, Xia Zou, Meng Sun, Chong Jia, Yongqiang Xie, Xiongwei Zhang2026-07-09
💻 computer science

E-Taste Signal Encoding and Classification via Multi- Attention Residual Networks Using sEMG Streams in Virtual Sensory Systems

Diese Studie stellt ein neuartiges MACB-ResNet-Deep-Learning-Modell vor, das die Genauigkeit der Klassifizierung virtueller Geschmackstimuli aus Gesichtsoberflächen-Elektromyographie-Signalen (sEMG) signifikant auf 86,32 % verbessert und damit traditionelle sowie Standard-Deep-Learning-Klassifikatoren für Anwendungen in der digitalen Gesundheit und Lebensmitteltechnologie übertrifft.

Zhendong Song, Asif Ullah, Majad Mansoor, You Wang2026-07-09✓ Author reviewed ⓘ
💻 computer science

Enhanced Seam Segmentation for Automated Welding Robot in Construction Through Transfer Learning: Addressing Limitations of Bilateral Segmentation Network

Diese Studie schlägt ein auf Transfer Learning basierendes Framework vor, das BiSeNetV2 durch einen hybriden Cross-Entropy–Lovász-Loss erweitert, um eine robuste Echtzeit-Nahtsegmentierung für das autonome Roboter-Schweißen im Bauwesen zu erreichen, wodurch die Leistung auf reflektierenden Oberflächen signifikant verbessert wird, ohne die Rechenkomplexität zu erhöhen.

Keonvin Park, Yong Ann Voeurn, Hyeokjun Kweon, Doyun Lee2026-07-09
💻 computer science

TITAN: Three-Tier Intrusion-Detection Tree-Based Adaptive Network for Industrial Internet of Things 

TITAN ist eine neuartige dreistufige Federated-Learning-Architektur für die Intrusion Detection im industriellen IoT, die die Herausforderungen durch Non-IID-Daten und Klassenungleichgewicht überwindet, indem sie mittels adaptiver Wissensdestillation und bayesscher Aggregation ausschließlich Vorhersageausgaben und Geräte-Zusammenfassungen austauscht und dabei eine überlegene Makro-F1-Leistung gegenüber bestehenden Methoden erzielt, ohne dass der Austausch von Rohdaten oder Gradienten erforderlich ist.

Sandeep Ghosh, Mohammed Al-Khafajiy, Saeid Pourroostaei Ardakani Ardakani2026-07-09
💻 computer science

Privacy-Utility Tradeoffs in Hierarchical Federated Learning Under Combined Differential Privacy and CKKS Homomorphic Encryption for Distributed Healthcare Networks

Dieses Paper schlägt ein hierarchisches Federated-Learning-Framework für das Gesundheitswesen vor, das Differential Privacy auf Client-Ebene mit CKKS-homomorpher Verschlüsselung auf Institutionsebene integriert und zeigt, dass Differential Privacy zwar messbare Genauigkeitsverluste verursacht, die vom Privacy-Budget abhängen, homomorphe Verschlüsselung hingegen keine Nutzenverschlechterung einführt, wodurch die distinkten Privacy-Utility-Tradeoffs jedes Mechanismus isoliert und quantifiziert werden.

Sayed Mohammed Alwedaei, Jenan Moosa2026-07-09