💻 Category

cs

929 Arbeiten

💻 computer science

Voice Tone-Based Emotion Detection Using Deep Learning: A Hybrid Transformer–CNN–BiLSTM Framework with Multi-Feature Fusion

Diese Arbeit präsentiert ein hybrides Deep-Learning-Framework, das CNN-, Transformer- und BiLSTM-Schichten mit Multi-Feature-Fusion integriert, um eine State-of-the-Art-Leistung bei der Sprachemotionserkennung über fünf Benchmark-Datensätze hinweg zu erreichen, wobei eine robuste Generalisierung und signifikante Genauigkeitsverbesserungen gegenüber bestehenden Baselines demonstriert werden.

ANUSHREE RAJ, PALLAVI M O, Aishwarya D Shetty, Athokpam Bikramjit Singh, K. Annapoorneshwari Shetty2026-07-14
💻 computer science

The StackPip Framework for Hybrid Ensemble Learning in Stellar Classification

Diese Studie schlägt das StackPip-Framework vor, einen hybriden Ensemble-Learning-Ansatz unter Verwendung eines Stacking-Classifiers auf dem SDSS DR-17-Datensatz, der eine Genauigkeit von 98 % bei der Klassifizierung von Himmelsobjekten in Galaxien, Sterne und Quasare erreichte und dabei verschiedene einzelne Modelle des maschinellen Lernens übertraf.

Smaranika Mohapatra, Kusumlata Jain, Harish Kumar Pamnani, Ananya Wadhwa, Kanika Mittal2026-07-14
💻 computer science

BayesMem-CD: Bayesian Temporal Memory Networkfor Uncertainty-Aware Dynamic Community Detection

Das Papier schlägt BayesMem-CD vor, ein auf Bayes-Gedächtnis basierendes Framework, das probabilistische Inferenz mit temporaler Regularisierung integriert, um eine unsicherheitssensible dynamische Community-Detektion zu erreichen, die effektiv die Stabilität gegenüber Rauschen gegen die Sensitivität gegenüber echten strukturellen Veränderungen abwägt.

Daozheng Qu, Yanfei Ma, Liang Zhang, Yibo Wang2026-07-14
💻 computer science

AraCoT-Agent: Arabic Chain-of-Thought Distillation for Agentic Reasoning

Das Papier stellt AraCoT-Agent vor, ein Framework, das strukturierte Fähigkeiten zur logischen Schlussfolgerung mittels eines hochwertigen, gefilterten Datensatzes (AraCoT) und eines belohnungsgewichteten Trainingsziels in arabische Modelle destilliert, wodurch eine relative Verbesserung von 55,7 % auf dem neuen AraAgent-Bench erzielt und die Kluft im logischen Denken zwischen arabischen und englischen LLMs signifikant verringert wird.

Mohamed Ali Farag2026-07-14
💻 computer science

Continuous Degradation Representation Learning for Remaining Useful Life Prediction

Das Papier schlägt CoDeR vor, ein Framework zum Erlernen kontinuierlicher Degradationsrepräsentationen, das einen Dual-Axis Coupled Transformer Encoder und ein zeitbewusstes kontrastives Lernmodul integriert, um die Einschränkungen fragmentierter Repräsentationen in bestehenden Deep-Learning-Modellen zu überwinden und dadurch genauere Vorhersagen der verbleibenden Nutzlebensdauer für Aero-Triebwerke zu erreichen.

Wei Li, Ruitao Ning, Shilin He, Bo Li, Zhidong Zhang2026-07-14
💻 computer science

Rethinking Time Series with Kolmogorov-Arnold Networks: A Systematic Review

Diese systematische Übersicht bewertet die Eignung von Kolmogorov-Arnold-Netzwerken (KANs) für die Zeitreihenanalyse und kommt zu dem Schluss, dass sie zwar bei der interpretierbaren Kurzfristprognose mit glatten Mustern über verschiedene Domänen hinweg exzellieren, ihre derzeitige Anwendung jedoch durch heterogene Evidenz, Herausforderungen beim Umgang mit langfristigen Abhängigkeiten und Regimewechseln sowie die Notwendigkeit standardisierter Benchmarks und einer rigorosen Validierung der Interpretierbarkeit begrenzt wird.

Antoni Mól, Dariusz Jemielniak, Leon Ciechanowski2026-07-14
💻 computer science

CRC-LS-MOCBO: Safe multi-objective causal Bayesian optimization under uncertain causal structures

Dieses Paper stellt CRC-LS-MOCBO vor, ein sequenzielles multiobjektives kausales Bayes-Optimierungsframework, das durch die Integration von Kandidatengraph-Unsicherheit, stabilitätsgewichteten Priors und konformer Risikokalibrierung sichere Interventionen unter unsicheren kausalen Strukturen gewährleistet, um Verletzungen von Nebenbedingungen zu minimieren und gleichzeitig die Objektivgewinne zu maximieren.

Wu JunJie2026-07-14
💻 computer science

HybridPII: A Tunable High-Recall Ensemble for Automated PII Detection and Privacy Risk Assessment in Compliance-Critical Applications

Dieses Paper stellt HybridPII vor, ein abstimmbares hybrides Ensemble-Modell, das gewichtete Regex und Multi-Modell-NER kombiniert, um eine überlegene Recall für die automatisierte PII-Erkennung zu erreichen, wobei insbesondere das kritische Bedürfnis adressiert wird, False Negatives in Compliance-kritischen Datenschutzanwendungen zu minimieren.

Soni Sweta, Arunabh Kshitij Kshitij2026-07-14