cs Arbeiten | Gist.Science

Beyond Expected Coverage: Lower-Tail Risk Management in Fair Influence Maximization

Dieses Paper stellt ein auf das Unterseitenrisiko ausgerichtetes Framework für faire Einflussmaximierung vor, das Conditional Value-at-Risk und die Wahrscheinlichkeit von Fehlbedeckungen in der schlechtesten Gruppe nutzt, um benachteiligte Gruppen vor schweren Bedeckungsausfällen zu schützen, wobei es eine signifikante Reduktion des Bedeckungsrisikos bei nur einem marginalen Verlust der erwarteten Gesamtreichweite erreicht.

ZhenghaoChen, Shangzhe Jin2026-07-03

💻 computer science

Modified Wavenumber Analysis Extended to Physics-Informed Neural Networks

Diese Studie erweitert die modifizierte Wellenzahlanalyse auf Physics-Informed Neural Networks (PINNs), um deren spektrale Genauigkeit bei hochfrequenten Wellenproblemen systematisch zu evaluieren, wobei sie aufzeigt, dass tiefere Architekturen, spezifische Aktivierungsfunktionen wie Sinus oder Tanh-Gaussian sowie eine optimale Anzahl von Fourier-Moden ( $F=4$ ) entscheidend sind, um Dispersions- und Dissipationsfehler zu minimieren.

Rubén Echeverría, Adrián Delgado, Pablo Barreiro, Adrián García-Gutiérrez2026-07-03✓ Author reviewed ⓘ

💻 computer science

LARC-QL: Q-Learning Enhanced Content Caching for CCN 1 LARC-QL: A Q-Learning Enhanced Latency-Aware and Resource-Efficient Content Caching Scheme for Content-Centric Networks

Dieses Paper schlägt LARC-QL vor, ein durch Q-Learning verbessertes Content-Caching-Schema für Content-Centric Networks, das duale Q-Tabellen und Echtzeit-Nachfragesignale nutzt, um Caching-Entscheidungen und On-Path-Platzierung dynamisch zu optimieren, wodurch die Cache-Trefferquoten, die Latenz und die Ressourceneffizienz im Vergleich zu statischen Strategien signifikant verbessert werden.

Yasar Khan, Nazia Perwaiz, Saad Mustafa2026-07-03

💻 computer science

Quantum Autoencoders for Anomaly Detection in Cybersecurity

Diese Arbeit zeigt, dass Quanten-Autoencoder, speziell ein Modell mit 8 Merkmalen, Dense-Angle-Kodierung und einem RealAmplitude-Ansatz, klassische Autoencoder bei der Anomalieerkennung in der Cybersicherheit auf dem BETH-Datensatz übertreffen, indem sie einen höheren F1-Score (0,87 gegenüber 0,77) erzielen, selbst wenn sie mit wesentlich weniger Stichproben trainiert wurden.

Rohan Senthil, Swee Liang Wong2026-07-03

💻 computer science

Ai-powered Mobile Proctoring Frameworks Using Machine Learning Algorithms in Higher Education: Post-covid Trends, Challenges, and Ethical Implications

Diese systematische Übersicht über 20 peer-reviewte Studien evaluiert die Post-COVID-Landschaft des KI-gestützten mobilen Proctorings im Hochschulwesen und hebt dessen Potenzial für skalierbare Prüfungsintegrität hervor, während sie gleichzeitig signifikante Lücken in der mobilspezifischen Forschung, der technischen Zuverlässigkeit sowie ethische Bedenken wie Datenschutz und algorithmische Voreingenommenheit kritisch adressiert.

Bartholomew Oganda Mogoi, John Kamau, Raymond Ongus2026-07-03

💻 computer science

Log-based Anomaly Detection Uses All Contextual Information with a Linear Self- Attention Encoder

Dieses Paper stellt AllLinLog vor, ein optimiertes Modell, das die Notwendigkeit des Log-Parsings durch die Verwendung eines linearen Self-Attention-Encoders eliminiert, um die vollständigen kontextuellen Informationen aus Systemprotokollen direkt zu verarbeiten und dadurch eine überlegene Genauigkeit bei der Anomalieerkennung sowie eine schnellere Inferenz im Vergleich zu herkömmlichen Methoden zu erreichen.

Chi-Ming Chou, Shang-Kuan Chen2026-07-03

💻 computer science

Security of consumer electronics on Hybrid Model for Enhancement of RSA Using Quantum Key Distribution

Dieses Papier schlägt ein hybrides kryptographisches Modell vor und evaluiert dieses, welches RSA mit Quantenschlüsselaustausch (unter Verwendung des BB84-Protokolls) integriert, um Unterhaltungselektronik gegen Bedrohungen durch Quantencomputing abzusichern, wobei eine verbesserte Leistung bei der Schlüsselgenerierung, der Verschlüsselungsgeschwindigkeit und der Resistenz gegen Man-in-the-Middle-Angriffe nachgewiesen wird.

hamza khan, Mohammad Faisal, haseeb Ur Rehman2026-07-03

💻 computer science

A Framework for Dynamic Knowledge Graph Ontology Incremental Alignment based on Large Language Model Agents

Das Papier schlägt DOKA-Agent vor, ein Large-Language-Model-Agenten-Framework, das einen Perceive-Plan-Act-Workflow anwendet, um eine dynamische, inkrementelle Ontologie-Abstimmung in sich entwickelnden Wissensgraphen zu erreichen und dadurch die semantische Präzision zu verbessern sowie die Aktualisierungslatenz im Vergleich zu traditionellen statischen Methoden zu reduzieren.

Hao Qin, Fusheng Wei, Bin Liang, Wobin Lin2026-07-03

💻 computer science

Scientometric modeling of emerging technologies: assessing the added predictive value of graph structure

Unter Verwendung eines Korpus zum Thema Cybersicherheit im Weltraum zeigt diese Studie, dass die Graphentopologie zwar einen kontextabhängigen inkrementellen Wert bei der Vorhersage technologischer Entstehung bietet, die zeitlichen Verläufe auf Knotenebene jedoch bereits den Großteil der prädiktiven Informationen kodieren, was zu nur moderaten und nicht einheitlichen Verbesserungen durch graphenbewusste Modelle gegenüber starken temporalen Baselines führt.

Paul Bagourd, Julian Jang-Jaccard2026-07-03

💻 computer science

Parallel Accelerated Steganographic Polar Coding Architecture Based on GPU

Dieses Paper präsentiert CuSPC, eine GPU-orientierte Architektur für steganographische Polar-Kodierung, die Dekodierungsschemata restrukturiert und Multi-Level-Parallelismus nutzt, um eine 30-fache Steigerung des Durchsatzes gegenüber CPU-Baselines zu erreichen, während ein geringer Kodierverlust und eine vergleichbare Steganalyse-Resistenz beibehalten werden.

Xiaolei He, Luyao Wang, Haocheng Fu, Yun Cao, Meineng Zhu2026-07-03

← Zurück Weiter →