💻 computer science

Conditional Generative Adversarial Network Simulation of Hypertrophic Scar Appearance Across Three Treatments

Diese Studie entwickelte und evaluierte intern ein Deep-Learning-System unter Verwendung von Conditional Generative Adversarial Networks, um das Erscheinungsbild hypertrophischer Narben nach chirurgischer Exzision, autologer Fettinjektion oder Mikroplasma-Radiofrequenz zu simulieren, was eine vorläufige Machbarkeit zur Verbesserung der Patientenkommunikation und des Erwartungsmanagements aufzeigt.

Chengfei Li, Shiyi Li, Qiang Fu, Guiwen Zhou, Qian Wu, Fanting Meng, Xiao Xu, Minliang Chen2026-08-29
💻 computer science

Algorithmic Thermostat: LLMs Standardize Political Expression Without Shaping Semantic Stances

Dieses Paper schlägt ein Framework eines „algorithmischen Thermostats“ vor, um zu demonstrieren, dass große Sprachmodelle zwar aufgrund von Alignment-Mechanismen, die auf hochsensible Themen abzielen, zyklische Schwankungen in ihren expliziten politischen Standpunkten über verschiedene Versionen hinweg aufweisen, ihre zugrunde liegende semantische Positionierung jedoch relativ stabil bleibt, was darauf hindeutet, dass Updates eher den Ausdruck standardisieren als politische Ideologien grundlegend umgestalten.

Ting chen2026-08-28
💻 computer science

Red Panda Catboost Prediction Framework For Detecting Intrusion In Industrial Internet Of Things

Dieses Paper schlägt ein neuartiges Red Panda Catboost Prediction System (RPCPS) vor, das einen von Roten Pandas inspirierten Fitness-Algorithmus zur optimalen Merkmalsauswahl nutzt, um eine Genauigkeit von 99,4 % bei der Erkennung von Intrusion-Angriffen innerhalb von Industrial Internet of Things (IIoT)-Umgebungen zu erreichen.

Shevale Rupali Ramdas, Monika Sharad Deshmukh2026-08-28
💻 computer science

An evidence-gated audit algorithm for low-altitude-economy readiness in mountainous Yunnan, China

Dieses Papier stellt EGSA vor, einen evidenzbasierten räumlichen Audit-Algorithmus, der darauf ausgelegt ist, die Bereitschaft auf Kreisebene für die Entwicklung der Niedrigflug-Ökonomie im bergigen Yunnan zu prüfen, indem er die prüfbare administrative Bereitschaft und die gezielte Feldforschung gegenüber der prädiktiven Bedarfsprognose priorisiert und somit Governance-Herausforderungen in datenarmen, ungleich entwickelten Regionen adressiert.

Runzhe Liu, Yun He, Dabin Wang2026-08-28
💻 computer science

Adaptive Lower Bound Evaluation for the Permutation Flowshop Scheduling Problem

Diese Arbeit präsentiert eine systematische Analyse und adaptive Strategien zur Auswahl von Maschinenpaaren bei der LB2-Untereingrenzungsevaluierung des Permutations-Flowshop-Scheduling-Problems und zeigt auf, dass eine dynamische Anpassung der Anzahl und Auswahl von Paaren die Branch-and-Bound-Leistung durch das Ausbalancieren von Schrankenengenheit und Rechenaufwand signifikant verbessern kann.

Alisa Vorokhta, Jan Gmys, Gwen Maudet, Mohand Mezmaz, Grégoire Danoy2026-08-28
💻 computer science

Category-Level Fine-Grained Sketch-Based 3D Shape Retrieval

Diese Arbeit adressiert die Herausforderung der kategorienbasierten, feingliedrigen skizzenbasierten 3D-Formenabfrage durch die Einführung eines neuen Datensatzes mit 54 Unterkategorien und den Vorschlag einer Methode, die spezialisierte Merkmalsextraktoren sowie eine optimierte domänenübergreifende Ausrichtung nutzt, um effektiv 3D-Formen abzurufen, die den feingliedrigen Details der Eingabeskizzen entsprechen.

Bingrui Wang, Yuan Zhou, Sun-Yuan Kung2026-08-28
💻 computer science

Action-aligned Representation Geometry in Vision–Language–Action Models

Diese Arbeit zeigt auf, dass Vision–Language–Action (VLA)-Modelle während des Trainings konsistent eine strukturierte, aktionsausgerichtete latente Geometrie entwickeln, die als kritisches Ordnungsprinzip dient, das mit der Aufgabenleistung korreliert, hierarchisch über die Schichten hinweg entsteht und essenziell für eine effektive Aktionsvorhersage sowie Generalisierung ist.

Han Qi, Huangyuan Su, Liuyixin Shao, Na Li, Heng Yang2026-08-28
💻 computer science

Ant colony optimization plus Temporal difference and opposition-based learning for semi-supervised multi-label feature selection

Dieses Paper schlägt eine neuartige semisupervidierte Multi-Label-Merkmalsauswahlmethode vor, die Ameisenkolonie-Optimierung, Temporal-Difference-Reinforcement-Learning und Opposition-Based-Learning integriert, um die Genauigkeit und den Hamming-Loss bei begrenzten gelabelten Daten signifikant zu verbessern, wenn auch mit höheren Rechenkosten, die für präzisionsorientierte Anwendungen geeignet sind.

Sahar Shams Beyranvand, Vahid Mehrdad, Mohammad Bagher Dowlatshahi2026-08-28
💻 computer science

Design and Validation of an Enterprise Architecture Framework for ROP Surveillance: A Multi-Layer Interoperability Approach

Diese Studie verwendet Design Science Research und eine Delphi-Studie, um ein vierschichtiges, standardsbasiertes Enterprise-Architecture-Framework zu entwerfen, zu validieren und empirisch zu bestätigen, das die Herausforderungen der Interoperabilität und Fragmentierung bei der nationalen Überwachung der Frühgeborenen-Retinopathie für Länder mit mittlerem Einkommen effektiv adressiert.

Maryam Mollabagher, Alireza Hassanzadeh, Mohammad Mehdi Sepehri, Abbas Habibelahi, Abolghasem Sarabadani2026-08-28
💻 computer science

CHIMERA-Tab: A Scalable AI-Driven Framework for Automated Feature Selection and Heterogeneous Stacking in Imbalanced Banking Data Classification

Dieses Paper stellt CHIMERA-Tab vor, ein skalierbares KI-Framework, das eine chaotische metaheuristische Vorverarbeitung mit einem heterogenen Stacking-Ensemble aus TabNet und Gradient-Boosting-Modellen integriert, um eine State-of-the-Art-Performance bei imbalancierten Banken-Klassifizierungen zu erreichen, wobei demonstriert wird, dass die Stacking-Architektur der primäre Treiber der Genauigkeit ist, während die chaotische Vorverarbeitung die Merkmalsauswahl und Interpretierbarkeit verbessert.

Anilkumar Vishwanath Brahmane, P. William, Shashikant Raghunathrao Deshmukh, Elviz Ismayilov, Smita Nirkhi2026-08-28