💻 Category

cs

2456 Arbeiten

💻 computer science

An integrated Augmented Reality (AR) and embedded electronics-based toolkit for improved visualization and understanding of network graphs

Diese Studie präsentiert ein integriertes Toolkit aus Augmented Reality und eingebetteter Elektronik, das das Verständnis von komplexen Netzwerkdiagrammen bei Undergraduate-Studierenden der MINT-Fächer signifikant verbessert, insbesondere indem es Studierenden mit geringem anfänglichem Selbstvertrauen zugutekommt, durch die Kombination von synchronisierten physisch-virtuellen Visualisierungen mit taktiler Interaktion und kontextuellen Overlays.

Julian Kim, Clayton Colson, Alex Fatemi, Patrick Dudas, Guha Manogharan, Jessica Menold, Yogasudha Veturi2026-07-01
💻 computer science

NSP-ML: Normality-Guided and Spatiotemporal Prior-Aware Multimodal Learning for Abnormal Behavior Recognition

Dieses Paper schlägt NSP-ML vor, ein multimodales Lernframework, das visuelle Daten mit normalitätsgeleiteten und spatiotemporalen Prior-bewussten Textprotokollen integriert, um die Erkennung kontextabhängiger abnormaler Verhaltensweisen in Campus-Umgebungen signifikant zu verbessern und eine State-of-the-Art-Leistung auf dem CABRH8-Datensatz zu erzielen.

Haichuan Liu, Xianmin Zhao2026-07-01
💻 computer science

IoT-TrustChain: A Blockchain-Based Access Control Framework with Delegation and Event Awareness for Resource-Constrained IoT Environment

Dieses Paper schlägt IoT-TrustChain vor, ein ressourceneffizientes, Blockchain-basiertes Zugriffskontroll-Framework, das dynamische Delegation und ereignisbewusste Richtlinien integriert, um die Entscheidungslatenz sowie den Gasverbrauch signifikant zu reduzieren und gleichzeitig die Echtzeitreaktionsfähigkeit für eingeschränkte IoT-Umgebungen zu verbessern.

Hu Hongfei, Asad Ullah, Yazeed Yasin Ghadi, Zia Ullah, Bekarystankyzy Akbayan, Hend Khalid Alkahtani2026-07-01
💻 computer science

Image-embedded prompt injection vulnerability of vision-language models in dental radiology: a cross-vendor attack–defense evaluation

Diese Studie zeigt, dass bildeingebettete Prompt-Injection ein erhebliches herstellerübergreifendes Sicherheitsrisiko für dentale Vision-Language-Modelle darstellt, wobei sie aufzeigt, dass zwar alle getesteten kommerziellen und Open-Source-Systeme anfällig sind, OCR-basierte Bereinigungs- und Provenienz-bewusste Governance-Strategien diese Angriffe jedoch effektiv entschärfen können, während die klinische diagnostische Genauigkeit erhalten bleibt.

Babak Saravi, Daman Deep Singh, Lara Schorn, Andreas Vollmer, Christoph Sproll, Norbert Kübler, Felix Schrader2026-07-01
💻 computer science

Boundary-Aware Deep Affine Attention Networks for Named Entity Recognition

Dieses Paper schlägt ein neuartiges grenzbewusstes tiefes affines Aufmerksamkeitsnetzwerk vor, das die Modellierung von Wortpaar-Beziehungen an Grenzen, dynamische Konvolution und tiefe affine Aufmerksamkeit integriert, um die Herausforderungen bei der Identifizierung von Entitätsgrenzen und der Modellierung langfristiger Abhängigkeiten effektiv zu adressieren und eine Spitzenleistung sowohl bei flachen als auch bei verschachtelten Named Entity Recognition-Aufgaben über fünf Benchmark-Datensätze hinweg zu erzielen.

Xiaomeng Lai, Jiayin Wei, Lin Yao, Youjun Lu2026-07-01
💻 computer science

Bernardes Branch-Aware Pythagorean Residual Fields for Exploratory Mesh-Envelope Diagnostics

Dieses Papier führt die Bernardes Branch-Aware Pythagorean Residual Fields als ein spezialisiertes, nicht-fertigungstechnisches Geometrieverarbeitungs-Diagnosewerkzeug ein und evaluiert diese, welches darauf ausgelegt ist, astkompatible Kontur-Hinweise für die explorative Netz-Hüllkurven-Analyse zu generieren, während es seine Einschränkungen hinsichtlich Koordinatenabhängigkeit, Auflösungsempfindlichkeit und des Mangels an Fertigungsgarantien im Vergleich zu Standard-Distanzfeldern explizit anerkennt.

Marco Aurélio dos Santos Bernardes2026-07-01
💻 computer science

Driver Activity Detection and Classification Using Deep Learning- Based YOLO Models for Intelligent Transportation Systems

Diese Studie schlägt ein Deep-Learning-Framework unter Verwendung von YOLO-Architekturen zur Erkennung und Klassifizierung von acht Fahreraktivitäten vor, wobei nachgewiesen wird, dass das YOLOv8n-Modell eine überlegene Echtzeitleistung mit 96,3 % mAP auf einem Datensatz von 5.422 Bildern erzielt und somit eine effektive Lösung zur Verbesserung der Verkehrssicherheit in intelligenten Transportsystemen bietet.

Getaneh Awoke, Eshete Derb, Metages Molla, Baye Atnafu, Daneil Addis, Abebu Sintayehu2026-07-01✓ Author reviewed ⓘ
💻 computer science

Fourteen Topics Explored from Quality and Understandability Studies on Unified Modelling Language Notation

Diese systematische Literaturübersicht von 136 Artikeln identifiziert 14 zentrale Forschungsperspektiven zur Qualität und Verständlichkeit der Unified Modeling Language (UML)-Notation, zeigt einen wachsenden Trend hin zu Testung und Evaluierung auf und schlägt zukünftige Forschungsrichtungen vor, einschließlich der Integration in Low-Code-Plattformen sowie verbesserter automatisierter Bewertung.

Sina Alizadeh Tabrizi, Damla Topalli, Nergiz Ercil Cagiltay2026-07-01
💻 computer science

Interpretable Edge Intelligence in 5G: Real-Time Root Cause Analysis of QoS Anomalies in Private Networks

Dieses Paper präsentiert das Framework der Interpretable Edge Intelligence (IEI), welches einen LSTM-Autoencoder mit K-Means-komprimiertem KernelSHAP kombiniert, um eine Echtzeit-Ursachenanalyse kausaler QoS-Anomalien in privaten 5G-Netzwerken zu erreichen, wobei eine hohe Genauigkeit sowie die kritische Notwendigkeit der lokalen Kalibrierung zur Vermeidung von Deployment-Fehlern nachgewiesen werden.

Prajwal V, R Ashok Kumar2026-07-01
💻 computer science

Brain–Behavior Alignment and Cross-Modal Contrastive Learning for Multimodal Autism Spectrum Disorder Detection

Dieses Papier schlägt das Brain–Behavior Alignment Network mit Cross-Modal Contrastive Learning Transformer (BBAN-CMCLT) vor, ein neuartiges multimodales Deep-Learning-Modell, das fMRT-, Gesichts-, Eye-Tracking- und klinische Daten integriert, um durch die effektive Abstimmung von Gehirn- und Verhaltensmustern eine Spitzengenauigkeit (98,97 %) bei der Erkennung der Autismus-Spektrum-Störung zu erreichen.

Deema Mohammed AlSekait, Mohammed Zakariah2026-06-30