💻 Category

cs

2305 Arbeiten

💻 computer science

Large Language Model Driven Multidisciplinary Optimization for Task Automation in Edge IoT Systems

Dieses Paper schlägt ein hierarchisches Framework vor, das ein kompaktes Large Language Model für die semantische Aufgabenplanung und -zerlegung nutzt, während es Entscheidungen zur Ressourcenallokation und Ausführung einer Ebene der gebundenen Optimierung überträgt, wodurch die Brücke zwischen natürlichen Sprachspezifikationen und mathematisch strenger multidisziplinärer Optimierung für Edge-IoT-Systeme geschlagen wird.

Madhan kumar C, S Manikandan2026-09-09
💻 computer science

Psychometric Validation of Stress–Resilience Constructs for eXplainable Software Developer Digital Twin

Diese Studie präsentiert ein psychometrisch validiertes Human-Digital-Twin-Framework für Softwareentwickler, das Umfragedaten von 605 weiblichen Teilnehmerinnen nutzt, um Stress-Resilienz-Zustände zu modellieren, distinkte Verhaltenscluster zu identifizieren und personalisierte, erklärbare Interventionen zu simulieren, die Resilienz-Ergebnisse effektiv vorhersagen und verbessern.

Taiwo Olapeju Olaleye, Oluwasefunmi Arogundade, Taiwo David Ajayi2026-09-09
💻 computer science

An Expert-independent Artificial Intelligence Method for Extracting and Prioritizing Decision Factors From Large-scale Textual Corpora

Dieses Paper stellt FEDRA vor, ein autonomes Framework, das Transformer-basierte Embeddings, Clustering und Graphanalyse nutzt, um Entscheidungsfaktoren aus groß angelegten wissenschaftlichen Texten ohne Expertenintervention zu extrahieren und zu priorisieren, wobei es eine hohe Genauigkeit und semantische Konsistenz in einer Fallstudie zur Standortwahl für Kläranlagen demonstriert.

Iman mosaddegh2026-09-09
💻 computer science

PQC Protection for AI Workloads - A Performance-Aware Migration Framework

Dieses Paper schlägt ein leistungsorientiertes, phasenbasiertes Migrationsframework vor, um KI-Workloads auf heterogenen Plattformen gegen Quantenbedrohungen abzusichern, wobei nachgewiesen wird, dass der Overhead beim Schlüsselaustausch vernachlässigbar ist, die primäre technische Herausforderung jedoch im Management der größeren Signaturen und der verlängerten Vertrauenslebenszyklen liegt, die durch die finalisierten Post-Quanten-Algorithmen des NIST erforderlich werden.

Manonmayi Vedam2026-09-09
💻 computer science

A Comparative Survey of API Rate-Limiting Algorithms: Token Bucket, Leaky Bucket, and Sliding Window

Diese Arbeit untersucht und vergleicht experimentell fünf weit verbreitete Algorithmen zur API-Ratenbegrenzung – Token Bucket, Leaky Bucket, Fixed Window, Sliding Window Log und Sliding Window Counter –, um deren Kompromisse hinsichtlich Burst-Toleranz und Präzision zu bewerten und letztlich eine Orientierungshilfe für die Auswahl des am besten geeigneten Algorithmus basierend auf spezifischen Verkehrseigenschaften und Systembeschränkungen zu bieten.

Umair Saleem2026-09-09
💻 computer science

A Residual Transformer Framework for Biomechanics-Aware Yoga Posture Recognition and Feedback

Dieses Paper schlägt das Residual Biomechanical Transformer Network (RBTNet) vor, ein Deep-Learning-Framework, das die YOLOv8m-Pose-Keypoint-Erkennung mit einer Transformer-basierten temporalen Analyse kombiniert, um eine Genauigkeit von 98 % bei der Klassifizierung von acht Yoga-Posen zu erreichen und korrigierendes Feedback basierend auf biomechanischen Gelenkwinkelabweichungen zu generieren, ohne dass nutzerspezifische Daten erforderlich sind.

Mrinal Kanti Nath, Tapan Chowdhury, Nilay Dhar, Hiranmoy Sarkar, Debanjan Bunia, Arman Munshi2026-09-09
💻 computer science

Sentinelbi AI: an AI-Powered Business Intelligence System for Revenue Monitoring and Anomaly Detection

Dieses Paper stellt SentinelBI AI vor, eine einsatzfähige Business-Intelligence-Plattform, die Isolation Forest- und LSTM-Autoencoder-Modelle integriert, um anomale E-Commerce-Umsatzmuster zu erkennen, deren Ergebnisse in ein dreistufiges Alarmsystem zusammenführt, das über ein interaktives Streamlit-Dashboard für eine handlungsorientierte Entscheidungsunterstützung zugänglich ist.

Tata Venkata Karthik, B. Srinivas S. P. Kumar2026-09-09
💻 computer science

Reasoning-Aware Error-Bounded KV-Cache Compression and Sparse Attention for Long-Context LLMs

Dieses Paper schlägt ein reasoning-aware Framework vor, das fehlerbegrenzte KV-Cache-Kompression und Sparse Attention dynamisch kombiniert, um Speicher, Rechenaufwand und Latenz bei der Long-Context-LLM-Inferenz signifikant zu reduzieren, während es die Genauigkeit der Attention-Ausgabe durch eine kalibrierte Dropped-Mass-Schranke formal garantiert.

Yue Ning, Zhenning Guo, Xiang Li, Wenjuan Guo2026-09-09