💻 Category

cs

927 Arbeiten

💻 computer science

CAI Computing Power Law: A Quantitative Framework for the Tripartite Balance of Computing Power, Algorithms and Generalized Information Resources

Dieses Paper schlägt das CAI-Rechenleistung-Gesetz vor, ein quantitatives Framework (C = A/I), das demonstriert, dass die Optimierung von Algorithmen und die Reinigung von Informationsressourcen die effektive Rechenleistung signifikant steigern und abnehmende Erträge mildern können, wodurch Industrien dazu geleitet werden, ein dynamisches dreiteiliges Gleichgewicht zwischen Rechenleistung, Algorithmen und generalisierter Information zu erreichen, anstatt sich ausschließlich auf die Hardware-Expansion zu verlassen.

Zhiyun Chen2026-07-30
💻 computer science

Big Data-Driven Early Warning Model for Safety Risk Management in Tobacco Enterprises

Dieses Papier schlägt ein Big-Data-gestütztes Frühwarnmodell für Tabakunternehmen vor, das eine skalierbare verteilte Datenpipeline, fortschrittliches Feature-Engineering und ein Ensemble-Learning-System integriert, um die Einschränkungen der traditionellen Überwachung zu überwinden, indem es eine Echtzeit-, präzise und interpretierbare Erkennung von Sicherheitsrisiken sowie Entscheidungsunterstützung ermöglicht.

Xiumei Wen2026-07-30
💻 computer science

Cross-Outbreak Transfer Learning Under Data/Label Scarcity: Foundation ML model for epidemiology

Das Paper stellt OBFM-SafeEnsemble vor, ein geschütztes Cross-Outbreak-Transferlern-Framework, das Quell-Priors und adaptive Regularisierung nutzt, um die Vorhersage des Bestätigungsstatus in datenarmen Ebola-Ausbrüchen signifikant zu verbessern und gleichzeitig schädlichen Wissenstransfer durch strikte Validierung und Ensemble-Selektion zu verhindern.

Vikas Ramachandra2026-07-30
💻 computer science

Intelligent Adaptive Hybrid Encryption Based on Unimodular Hill Cipher, RSA-OAEP, and Chaotic Logistic Maps for Universal Digital File Security

Dieses Paper schlägt ein KI-gesteuertes adaptives hybrides Kryptosystem vor, das basierend auf den Dateieigenschaften dynamisch eine Unimodulare Hill-Chiffre- und RSA-OAEP-Verschlüsselung zuweist und dabei Logistische Chaotische Maps zur Schlüsselgenerierung nutzt, um eine robuste, effiziente und verlustfreie Sicherheit für universelle Binärdateien zu erreichen.

Samsul Arifin2026-07-30
💻 computer science

Melanoma Prediction Using a Deep Convolutional Neural Network (CNN) Model

Diese Studie präsentiert eine umfassende bibliometrische und systematische Übersicht über die Forschung zur Melanomerkennung auf Basis von Deep Learning aus den Jahren 2015 bis 2026, wobei sie zentrale Trends bei CNN-Architekturen und Transfer Learning hervorhebt und gleichzeitig kritische Herausforderungen wie Datensatz-Imbalancen und klinische Validierung identifiziert, um die zukünftige Entwicklung zuverlässiger Diagnosesysteme zu leiten.

Kazi Abdul Mannan, Md. Mohsin Hossain Sifat2026-07-30
💻 computer science

Confidence-Gated Multimodal Fusion with Speech-Guided Captioning for Depression Detection

Dieses Paper stellt ein konfidenzgesteuertes multimodales Framework vor, das Text-Embeddings, akustische Merkmale und sprachgestützte Emotionskapitälchen integriert, um die Zuverlässigkeit der Modalitäten dynamisch zu gewichten, wodurch eine State-of-the-Art-Leistung bei der Depressionserkennung unter Berücksichtigung von Evaluation-Leakage durch rigorose verschachtelte Kreuzvalidierung erzielt wird.

Ankit Kumar, Rohan Thapa, Shahid Shafi Dar, Nagendra Kumar2026-07-30
💻 computer science

State Authenticity under Multiple Bus Masters: A Non-Secure DMA Gap and Mitigation for TrustZone-M Proofs of Executio

Diese Arbeit zeigt auf, dass TrustZone-M Proofs of Execution durch nicht-sichere DMA-Controller anfällig für State-Tampering sind, da ihre Sicherheitsgarantien ausschließlich auf CPU-Isolierung beruhen, und schlägt eine leichtgewichtige Entschärfung mittels pro-Kanal-DMA-Sicherheit vor, um die Zustandsauthentizität gegenüber allen Bus-Master zu gewährleisten.

Arash Razban2026-07-30
💻 computer science

Does Model Compression Amplify Clinical Bias? A Subgroup Fairness Audit of Quantized ICU Risk Models on MIMIC-IV

Diese Studie untersucht die Auswirkungen von Modellkompressionstechniken auf die Subgruppen-Fairness bei der Risiko-Vorhersage für akutes Nierenversagen (AKI) auf der Intensivstation unter Verwendung von MIMIC-IV und zeigt auf, dass während naive Quantisierung die Leistung katastrophal verschlechtern kann und Pruning die Genauigkeit der Subgruppen erheblich beeinträchtigt, angemessene methodische Kontrollen essenziell sind, um Schein-Fairness-Behauptungen zu vermeiden und inhärente Disparitäten, die durch kleine Subgruppengrößen getrieben werden, zu adressieren.

Aman Chandra H, Stuti Shivhare2026-07-30
💻 computer science

Graph-Based Polypharmacy Risk Networks for Adverse Event Prediction in ICU Patients: A MIMIC-IV Analysis

Diese Studie nutzt MIMIC-IV-Daten, um zu zeigen, dass Standard-Tabellenmodelle bei der Vorhersage von akuter Nierenschädigung und Blutungen häufig graphbasierte Ansätze übertreffen, während Graph-Embeddings, die aus Arzneimittel-Koadministrations-Netzwerken abgeleitet wurden, statistisch signifikante, interpretierbare Verbesserungen bei der Vorhersage des Delirium-Risikos liefern, wenn Label-Leakage rigoros korrigiert wird.

Aman Chandra H, Stuti Shivhare2026-07-30
💻 computer science

Can linguistic complexity predict machine translation quality?- a corpus-based study of complexity-quality nexus in philosophical texts

Diese korpusbasierte Studie zeigt, dass ein Regressionsmodell, das sowohl lexikalische als auch syntaktische Komplexitätsmetriken integriert, die Qualität der maschinellen Übersetzung in deutsch-chinesischen philosophischen Texten effektiv vorhersagt, was die entscheidende Rolle ganzheitlicher linguistischer Merkmale bei der Bewertung von Übersetzungsergebnissen hervorhebt.

Lingxi FAN, Andrew Cheung, Yuchi Li, Shuangzhi Li, Wei Liu2026-07-30