💻 Category

cs

2305 Arbeiten

💻 computer science

Modelling Reinforcement Learning Scheduling Agents: Action spaces, reward designs, and expert demonstrations

Diese Arbeit untersucht, wie Modellierungswahlmöglichkeiten im Deep Reinforcement Learning die Scheduling-Strategien für das Flexible Job-shop Scheduling Problem beeinflussen, und zeigt auf, dass die Integration von aus Constraint Programming abgeleiteten Optimalitätsgrenzen und Experten-Demonstrationen in ein Multi-Agenten-Framework das Reward-Design signifikant verbessert und die Konvergenz beschleunigt, um eine überlegene Echtzeit-Scheduling-Leistung zu erzielen.

Alexandre Jesus, Arthur Corrêa, Miguel Vieira, Catarina Marques, Cristóvão Silva, Samuel Moniz2026-09-07
💻 computer science

A Comparative Study of Pretrained Transformer Models for Quranic ASR: Speech Representations, Label Formats, and Dataset Composition

Diese Arbeit präsentiert eine systematische empirische Studie, die zeigt, dass das Fine-Tuning des vortrainierten Wav2Vec2-XLSR-53-Transformer-Modells auf einem 870-stündigen koranischen Datensatz mit arabischem Text ohne Diakritika die Wortfehlerraten signifikant reduziert und die Trainingseffizienz im Vergleich zu Basissystemen verbessert.

Nabil Mosharraf Hossain, Riasat Islam, Unaizah Obaidellah2026-09-07
💻 computer science

Research Hotspots and Trend Analysis in AI-Enabled Accessible Design: Identification of Core Areas, Evolution of Future Trends, and Visualization through Knowledge Graphs

Diese Arbeit nutzt bibliometrische und Wissensmapping-Analysen von Web of Science-Daten (2000–2025), um die Evolution des KI-gestützten barrierefreien Designs von der technischen Machbarkeit hin zur kontextuellen Gebrauchstauglichkeit nachzuzeichnen, wobei die zentralen Forschungssäulen sowie aufkommende Hotspots wie generative KI und XR-Standardisierung identifiziert und ein umfassendes User–Scenario–Technology-Framework für eine zukünftige nachhaltige Governance vorgeschlagen werden.

Yuang Liu, Yunqing Wan2026-09-05
💻 computer science

Carbon Footprint and Carbon-Aware Selection of Document-Oriented, Relational, and Hybrid Object-Relational Storage for Image-Based Time-Series Workloads in Green IoT

Diese Arbeit bewertet den CO2-Fußabdruck von MongoDB, PostgreSQL/TimescaleDB und einem PostgreSQL+MinIO-Hybrid für bildbasierte Zeitreihen-Workloads in Green IoT und zeigt einen auflösungsabhängigen Emissions-Crossover auf, bei dem MongoDB für niedrigere Auflösungen (bis zu 1440p) am nachhaltigsten ist, während der Hybridansatz aufgrund des entkoppelten Speichers bei höheren Auflösungen (4K und darüber hinaus) überlegen ist, was letztlich einen kohlenstoffbewussten Entscheidungsrahmen für die Auswahl von Speicherarchitekturen in der nachhaltigen Gebäudeüberwachung bereitstellt.

Alfa Ryano Yohannis, Alexander Waworuntu2026-09-04
💻 computer science

Synthetic personas as support for UX research

Dieses Paper schlägt ein auf Design Science Research basierendes Verfahren vor, um synthetische Personas und KI-generierte Journeys in die UX-Forschung zu integrieren, um die Analyse in der Frühphase sowie die Hypothesenbildung zu beschleunigen, während gleichzeitig die kritische Notwendigkeit menschlicher Aufsicht betont wird, um Bias zu minimieren und die empirische Validität sicherzustellen.

Ana Medrado, Carlos Eduardo Barbosa2026-09-04
💻 computer science

Multi-View Aggregation Transformer with Contrastive Learning for 3D Shape Retrieval

Dieses Paper schlägt den Multi-View Aggregation Transformer (MVAT) vor, ein geometrie-ausgerichtetes Framework, das hierarchische Multi-View-Attention, spezialisierte Channel-Modulationsmodule und eine absolute Kosinus-Ähnlichkeitsmetrik integriert, um eine State-of-the-Art-Leistung bei der 3D-Form-Retrieval über mehrere Benchmarks hinweg zu erzielen.

Ze Zhang, Xiaojun Wu, Chenxi Wu, Guoyuan Liang2026-09-04
💻 computer science

DDAN: A Dense Dual-Attention Network with Physics-Informed Loss for Robust Multi-Type Optical Image Denoising

Dieses Paper stellt das Dense Dual-Attention Network (DDAN) vor, ein physik-informiertes Deep-Learning-Framework, das durch die Integration von Residual Dense Blocks mit Dual-Attention-Mechanismen und einer spezialisierten zusammengesetzten Verlustfunktion eine Spitzenleistung bei der robusten Entfernung von additiven, multiplikativen und hybriden optischen Rauschanteilen erzielt.

Slim Rouabah, Rabah Abdelkader, Meziane Kaci, Salem Merabti, Hassane Ezziane, Youcef Naas2026-09-04
💻 computer science

Attention-Enhanced Temporal Convolutional Network for Continuous Word-Level Indian Sign Language Recognition

Dieses Paper schlägt ein durch Attention-Mechanismen erweitertes Temporal Convolutional Network (TCN)-Framework für die kontinuierliche wortbasierte Erkennung der indischen Gebärdensprache vor, das Mediapipe zur Landmarken-Extraktion und dilatierte Faltungen nutzt, um räumlich-zeitliche Merkmale effektiv zu erfassen, wobei es eine überlegene Leistung im Vergleich zu BiGRU-, BiLSTM- und Hybridmodellen auf einem spezialisierten Datensatz demonstriert.

Aswani Sivan¹, E. Chandra Eswaran¹2026-09-04
💻 computer science

CP-GOF: A Center-Object-Faithful and Age-Aware Training-Time Pruning Method for Gaussian Opacity Fields

Das Papier schlägt CP-GOF vor, eine Pruning-Methode während der Trainingszeit für Gaussian Opacity Fields, die ein altersbewusstes, kostenloses exponentielles gleitendes Durchschnitts-Wichtigkeitsmaß sowie einen zentrumsgeschützten Mechanismus nutzt, um redundante Gaussians zu eliminieren und gleichzeitig die geometrische Treue zu bewahren sowie den Speicher-Overhead zu reduzieren.

Yudai Wang, Dekang Yao, Liyan Qin, Yingao Liu, Fanggui Cai, Zhiying Cui, Zan Wang2026-09-04