💻 Category

cs

3729 Arbeiten

💻 Informatik

Evaluating an energy aware cloud native microservices architecture to reduce cost barriers in resource limited healthcare systems

Diese Studie zeigt, dass ein energiebewusstes Autoscaling-Framework für Kubernetes-orchestrierte Gesundheits-Mikroservices die Betriebskosten und die Überprovisionierung von Ressourcen in ressourcenbeschränkten Umgebungen im Vergleich zu konventionellem Autoscaling signifikant reduziert und dadurch die Adoptionsbarrieren für digitale Gesundheitssysteme senkt, die für die universelle Gesundheitsversorgung essenziell sind.

Tia Haddad¹, Souheil Khaddaj¹, Sarah Barman¹, Simon de Lusignan², Pushpa Kumarapeli¹2026-10-15
💻 Informatik

Creation begins with understanding: LLMs as strategy designers for privacy-preserving tabular data synthesis

Dieses Paper stellt TabSSD vor, ein neuartiges Framework, das Large Language Models nutzt, um auf Basis von Zusammenfassungen der Variablenabhängigkeiten anstatt auf Rohdaten datenschutzwahrende Syntheseverfahren zu entwerfen, wodurch es im Vergleich zu bestehenden Methoden überlegene Trade-offs zwischen statistischer Treue, Nutzen und Datenschutz erzielt und gleichzeitig die Rechenkosten sowie die Barrieren für Fachwissen signifikant reduziert.

Dandan Guo, Jinmeng Li, Quan Zhang, Hangting Ye, He Zhao, Firas Laakom, Juergen Schmidhuber2026-10-15
💻 Informatik

SemanticVul: Evidence-Grounded Structured LLM Explanations for Vulnerability Detection

SemanticVul ist ein reproduzierbares Framework für die Erkennung von C/C++-Schwachstellen, das lokal generierte, evidenzbasiert fundierte semantische Erklärungen nutzt, um die Genauigkeit sowie den Recall der Minderheitenklassen im Vergleich zu bestehenden Baselines signifikant zu verbessern, während es Ansprüche durch deterministischen Code-Abgleich und Datensatz-Auditierung rigoros validiert.

Abdul Razak, Ihtesham Ul Islam, Rabia Khan2026-10-15
💻 Informatik

Parameter compensation reveals weak physical effects in multi-parameter inverse learning

Dieses Papier führt das Konzept der Parameterkompensation ein, bei dem schwache physikalische Effekte durch kompensatorische Änderungen anderer Parameter maskiert werden, und schlägt ein bias-kompensiertes neuronales Netzwerk (BcNN) vor, das strukturierte Pseudo-Lösungen nutzt, um diese Effekte in Multi-Parameter-Inversen Lernproblemen zuverlässig wiederherzustellen.

Yifan Yang, Zengwei Guo2026-10-15
💻 Informatik

STME-GCN: topology refinement and motion-enhanced temporal modeling for skeleton-based action recognition

Das Papier schlägt STME-GCN vor, ein auf Skeletten basierendes Netzwerk zur Aktionserkennung, das die Leistung durch die Optimierung der Topologiegenerierung mittels multiatributiver temporaler Deskriptoren verbessert und die zeitliche Modellierung durch einen Pose-Motion-kollaborativen Zweig verstärkt, um Bewegungsdynamiken und Inter-Gelenk-Beziehungen besser zu erfassen.

Xiaopeng Wang, Chunjun Chen, Yutao Xia2026-10-15
💻 Informatik

Feasible-Space Dilution and Objective Alignment in Shallow Penalty-X QAOA: A Controlled RCSP Study

Diese Studie verwendet kontrollierte ressourcenbeschränkte kürzeste-Pfad-Experimente, um zu demonstrieren, dass in der flachen Penalty-X QAOA die schlechte praktikable Stichprobenziehung aus unterschiedlichen Optimierer-Unzulänglichkeiten und Zielabweichungen resultiert, wobei ein CVaR-basiertes Training effektiv die Leistung von exakter Durchführbarkeitskontrolle auf ausgelassenen Aufgaben erreicht.

Zhilin Chen2026-10-15
💻 Informatik

Arthasetu - Neural Machine Translation for Classical Jain Philosophical Text with Cross-System Evaluation

Dieses Paper stellt Arthasetu vor, ein spezialisiertes auf BiLSTM basierendes neuronales maschinelles Übersetzungsmodell zur Übersetzung von klassischem jainistischen philosophischem Sanskrit ins Hindi, und demonstriert dabei, dass domänengerechte Datenaugmentation und rigorose Evaluierungsprotokolle eine überlegene Leistung im Vergleich zu großskaligen multilingualen Systemen wie NLLB-200 erzielen, während es gleichzeitig die kritischen Risiken von Datenleckagen in der Low-Resource-Forschung hervorhebt.

Tamanna Jain, Neeraj Raheja2026-10-15
💻 Informatik

A Comparative Benchmark of GAN, DDPM, and Flow Matching for 2D and 3D Porous Microstructures Synthesis.

Diese Arbeit präsentiert einen vergleichenden Benchmark von WGAN-GP, DDPM und Flow Matching für die Synthese von 2D- und 3D-porösen Mikrostrukturen und identifiziert Flow Matching als einen konkurrenzfähigen Ansatz, der ein günstiges Gleichgewicht zwischen struktureller Genauigkeit, insbesondere bei der Reproduktion von Porositäts-Diffusivitäts-Beziehungen, und Recheneffizienz bietet.

Ali Aouf, Eric Laloy, Christophe De Vleeschouwer2026-10-15
💻 Informatik

Quantifying Predictive Uncertainty in Student Academic Outcomes Using Conformal Prediction

Diese Studie stellt ein unsicherheitbewusstes Framework vor, das maschinelles Lernen, Split Conformal Prediction und SHAP integriert, um akademische Ergebnisse von Studierenden mit quantifizierter Zuverlässigkeit vorherzusagen, wobei demonstriert wird, dass Modelle wie LightGBM und XGBoost zwar eine hohe Genauigkeit erreichen, die Conformal Prediction jedoch effektiv unsichere Fälle kennzeichnet, um gezielte Human-in-the-Loop-Interventionen zu unterstützen.

Kazi Sabbir Ahmad Nahin2026-10-15
💻 Informatik

Global State-Guided Reinforcement Learning-Assisted Differential Evolution for Multi-Objective Optimization

Das Papier schlägt GSG-RLDE vor, einen durch globale Zustandsführung verstärkten Reinforcement-Learning-gestützten Differential-Evolution-Algorithmus, der Konvergenz-, Verteilungs- und Trendinformationen in einen kompakten Zustand integriert, um Individuen die unabhängige Auswahl adaptiver Mutationsstrategien und Kontrollparameter zu ermöglichen, wobei eine überlegene Leistung sowohl bei Benchmark-Mehrzielproblemen als auch in realen UAV-Pfadplanungs-Szenarien demonstriert wird.

Zijian Cao, Wenzheng Liu, Chuhang Qiao, Haowen Jia, Yu Li, Haoshuai Zhang, Feng Tian2026-10-15