💻 Category

cs

2456 Arbeiten

💻 computer science

NDN-Aware Cooperative Multi-Agent Deep Reinforcement Learning for Distributed Cache Pollution Attack Mitigation

Dieses Paper schlägt ein NDN-bewusstes kooperatives Multi-Agent Deep Deterministic Policy Gradient (MADDPG)-Framework vor, das dezentrales Lernen und spezialisierte Zustandsrepräsentationen nutzt, um Cache-Pollution-Angriffe in Named Data Networking effektiv zu mildern, wobei es im Vergleich zu Single-Agent- und konventionellen Ansätzen eine überlegene Cache-Effizienz, schnellere Konvergenz und erhöhte Resilienz demonstriert.

Sethu S, Manikandan A2026-07-09
💻 computer science

A Linear Mapping-Enhanced PPO Framework for Dynamic Load Balancing in Smart City Edge Systems

Dieses Paper schlägt ein Linear Mapping-Enhanced Proximal Policy Optimization (LME-PPO) Framework vor, das tiefes verstärkendes Lernen nutzt, um das dynamische Lastmanagement zu optimieren und die Systemlatenz in Smart-City-Edge-Computing-Umgebungen zu reduzieren, indem es komplexe Aufgabenräume effektiv abbildet und ein Rechengleichgewicht über Edge-Server hinweg sicherstellt.

Fenghui Zhang, Yuhang Jiang, Yuhao Xu, Huaqiang Xi, Qiu Xu, Shijian Zheng, Maosheng Fu2026-07-09
💻 computer science

Consensus among Learning Agents: A Multi-AgentReinforcement Learning Framework withGame-Theoretic Incentives

Dieses Paper schlägt ein Multi-Agenten-Reinforcement-Learning-Framework mit spieltheoretischen Anreizen vor, um Konsens unter autonomen, lernenden Blockchain-Teilnehmern zu erreichen, wobei nachgewiesen wird, dass die Strategien zu gerechten und adversariellen-toleranten Gleichgewichten konvergieren, während gleichzeitig spezifische architektonische Einschränkungen identifiziert und theoretische Konvergenzgarantien verfeinert werden.

Chen Song, Jing Li, Tao Xie2026-07-08
💻 computer science

Understanding Adoption of AI-Based Cybersecurity Systems: The Roles of Cybersecurity Awareness, Trust, and Digital Literacy

Diese Studie nutzt Strukturgleichungsmodelle, um aufzuzeigen, dass KI-gestützte Cybersicherheitsbewusstsein und digitale Kompetenz zwar die Einführung von KI-basierten Cybersicherheitssystemen signifikant fördern, Vertrauen in diese Systeme jedoch keinen direkten Einfluss auf die Verhaltensabsicht hat, was die kritische Notwendigkeit unterstreicht, dass Organisationen der Entwicklung von Cybersicherheitsbewusstsein und digitaler Kompetenz gegenüber der alleinigen Vertrauensbildung Vorrang einräumen sollten.

Abdulkadir Jeilani Mohamud, Abdifatah Nour Rage, Mohamed Adam Isak, Abdisatar Ibrahim Arabow, Abdiwahab Osman Siad2026-07-08
💻 computer science

DustFormer for Joint Dust Segmentation and Density Estimation in Environmental Monitoring Using Deep Learning

Dieses Paper stellt DustFormer vor, ein auf Deep Learning basierendes Encoder-Decoder-Framework, das gleichzeitig Staubsegmentierung und Dichteschätzung in RGB-Bildern durchführt und dabei eine hohe Genauigkeit sowie Robustheit für Anwendungen in der Umweltüberwachung, Präzisionslandwirtschaft und intelligenten Sensorik erreicht.

Falah Y H Ahmed, Eimad Abusham, Ibrahim Salim Sulaiman, Reem Al-Maawali, Bwalya Kelvin Joseph, Muhammad Zakarya2026-07-08
💻 computer science

Enhancing Symbolic Execution of Programs for Interprocedural Control Flow Path Feasibility Analysis

Dieses Paper schlägt eine gerichtete symbolische Ausführungsmethode vor, die durch automatische Symbolisierung und Loop-Bounding-Strategien verbessert wurde, um die Durchführbarkeit interprozeduraler Kontrollflusspfade effizient zu verifizieren, wobei sie im Vergleich zu bestehenden Tools wie KLEEF bei der Anwendung auf reale Projekte und die Integration statischer Analysen eine überlegene Recall- und Precision-Rate demonstriert.

Hovhannes Movsisyan, Hripsime Hovhannisyan, Tigran Avagyan, Hayk Aslanyan2026-07-08
💻 computer science

Comparative Performance of General-Purpose Large Language Models and a Specialized Clinical AI Tool on OKAP-Style Ophthalmology Questions

Diese Studie evaluiert fünf große Sprachmodelle anhand von OKAP-typischen Ophthalmologie-Fragen und zeigt auf, dass allgemeine Modelle, insbesondere Gemini-Pro-3, das spezialisierte klinische KI-Tool OpenEvidence in Bezug auf Genauigkeit und Kalibrierung übertraf, während sie gleichzeitig eine signifikante Leistungsheterogenität und gemeinsame Fehlleistungen im logischen Schlussfolgern bei allen Systemen hervorhob.

Alon Moore Galindo, Amit Ginsberg, Razan Saadi, Tomer Kerman, David Schwartzman, Anat Loewenstein, Igal Leibovitch2026-07-08
💻 computer science

Proximal Policy Optimization-Based Intrusion Detection with Deep Latent Feature Learning

Dieses Paper schlägt ein neuartiges Intrusion-Detection-Framework vor, das einen zweistufigen gestapelten Autoencoder zur tiefen Merkmalsextraktion mit einem auf Proximal Policy Optimization basierenden Deep-Reinforcement-Learning-Agenten kombiniert und eine wettbewerbsfähige Leistung sowie Effizienz über mehrere Benchmark-Datensätze hinweg demonstriert.

Brahim El malki, Nidal Nasser, Ahmed El Ouadrhiri, Khalid EL FAZAZY, Hamid Tairi, Jamal Riffi2026-07-08
💻 computer science

A confidence-convergence decision layer for reliability-aware sequential recognition under limited observations

Diese Arbeit schlägt eine auf Konfidenz-Konvergenz basierende sequentielle Erkennungsmethode für sich unter Wasser bewegende Ziele vor, die die Konfidenz des Verhaltenstyps dynamisch aktualisiert und Entscheidungen nur dann akzeptiert, wenn Dominanz, zeitliche Stabilität und Interklassen-Separation gemeinsam erfüllt sind, wodurch die Genauigkeit im Vergleich zu bestehenden Baselines unter begrenzten und unsicheren Beobachtungen signifikant verbessert und Fehler reduziert werden.

Guangyu Luo2026-07-08
💻 computer science

HiRoC: Selective History Routing and Disagreement-Aware Calibration for Multimodal Conversational Emotion Recognition

Das Papier schlägt HiRoC vor, ein multimodales Framework zur Emotionserkennung, das die Vorhersagegenauigkeit steigert, indem es die relevante Gesprächshistorie selektiv durch sprecher-typisierte Graphen leitet und Entscheidungen unter Verwendung von cross-modalem Disagreement kalibriert, um die Einschränkungen bestehender graphbasierter Methoden zu adressieren.

Gong Li, Huiqiang Guo, Mengdi Liu, Ziyin Wei, Bowen Gu, Tiquan Gu, Dan Ma2026-07-08