💻 Category

cs

2339 Arbeiten

💻 computer science

XGBoost Optimization using Single Lead ECG based on Multi-feature of ECG Morphologies for Automatic Sleep Disorder Classification

Diese Studie präsentiert ein automatisches Klassifizierungssystem für Schlafstörungen, das einen regularisierten XGBoost-Algorithmus nutzt, um Multi-Feature-Morphologien aus Einkanal-EKG-Signalen zu analysieren und dabei eine hohe Genauigkeit (96,1 %), Spezifität (100 %) und Sensitivität (92,1 %) bei der Unterscheidung von Apnoe-Ereignissen erreicht.

Iman Fahruzi, Muhamad Haikal Akmal, Ridwan Ridwan, Abdurahman Dwijotomo2026-08-27
💻 computer science

Statistically Guided Hybrid Local–Global Learning for Compressed Deepfake Video Detection

Dieses Paper schlägt ein statistisch geführtes hybrides lokales–globales Lernframework vor, das optimierte YCbCr-Merkmale mit einer neuartigen 3SH–VSS-Architektur fusioniert, um komprimierte Deepfake-Videos effektiv zu detektieren, indem es gleichzeitig lokale Kompressionsartefakte und globale Fälschungsabhängigkeiten modelliert und dabei eine überlegene Leistung sowie Generalisierung über Datensätze hinweg erreicht.

Tianyu Shi, Shichao Ouyang, Juan Li, Guodong Ye, Xingxing Jia2026-08-27
💻 computer science

A reusable benchmark for machine-learning prediction of concrete placement productivity loss

Dieses Paper führt einen wiederverwendbaren, synthetischen Benchmark zur Evaluierung von Modellen des maschinellen Lernens zur Vorhersage von Produktivitätsverlusten beim Betonieren ein, welcher aufzeigt, dass derzeit kompetente Modelle erhebliche Verluste nicht angemessen erfassen können, und die Notwendigkeit standardisierter, feldvalidierter Evaluierungsprotokolle hervorhebt.

Mohamed Ali, Saher Elsayed, TS. DR. Khairi Azhar Aziz2026-08-27
💻 computer science

Early Detection of Schizophrenia Using EEG Signals Based on CNN and CNN–LSTM Deep Learning Models

Diese Studie zeigt, dass ein hybrides CNN–LSTM-Deep-Learning-Modell eine alleinstehende CNN bei der Erkennung von Schizophrenie aus EEG-Signalen im Ruhezustand signifikant übertrifft, wobei eine Genauigkeit von 92,03 % erreicht wird und der Wert der Integration von zeitlicher Sequenzlernfähigkeit für eine objektive Diagnose hervorgehoben wird.

Hussein Aly Elsayed, Arief Ruhullah Harris, Tian Swee Tan2026-08-27
💻 computer science

Tri-Modal Contrastive Binary Analysis via Opcode Transformers, Control Flow Graph Isomorphism Networks, and System Call Embeddings: A Systematic Review of Zero-Day Malware Detection Frameworks

Dieser systematische Review synthetisiert jüngste Fortschritte in der Zero-Day-Malware-Erkennung, indem er ein Tri-Modales Kontrastives Binäres Analyse-Framework vorschlägt, das Opcode-Transformer, Control Flow Graph Isomorphism Networks und Systemaufruf-Embeddings vereint, um eine robuste Erkennungsgenauigkeit von über 98,5 % trotz ausgefeilter Code-Obfuskation zu erreichen.

Harish Parshuram Bhabad, Atmeshkumar Subhashbhai Patel, Vijay M. Rakhade, Rupesh Kohli, Nandini S. Patil2026-08-27
💻 computer science

TPCT: Topology-aware Point Cloud Transformer for Geometrically Complex Feature Recognition

Dieses Paper schlägt TPCT vor, ein neuartiges topologiebewusstes Transformer-Framework, das geometrische und dualgraphbasierte topologische Merkmale mit flächenadaptiver Abtastung integriert, um eine führende Genauigkeit bei der Erkennung komplexer geometrischer Merkmale innerhalb von B-rep-CAD-Modellen zu erreichen.

Ruohan Wang, Ruixi Liang, Longtao Guo, Jiacheng Hao, Yilei Shi2026-08-27
💻 computer science

Grey Wolf Optimizer-Based Feature Selection with Mutual Information Refinement for Machine Learning-Based Bot Detection on Social Media

Diese Studie schlägt ein auf dem Grey Wolf Optimizer basierendes Merkmalsauswahlverfahren vor, das durch Mutual Information verfeinert wurde, um den Merkmalsraum für die Erkennung von Social-Media-Bots effektiv zu reduzieren und eine Klassifizierungsgenauigkeit von 98,87 % mit XGBoost auf einem Datensatz von 8.386 Konten zu erreichen.

Aditya Vardhan, Mohit Yadav, Amarjeet Singh Chauhan, Sanjay Saini2026-08-27
💻 computer science

Contextual Token Rotation Ensembles for Tabular Learning

Dieses Paper führt Contextual Token Rotation Ensembles (CTRE) ein, ein neuartiges Framework für das tabellarische Lernen, das die Ensemble-Diversität und -Robustheit durch die Integration von Transformer-basierten kontextuellen Token-Repräsentationen mit datenadaptiven, interaktionsbewussten Feature-Rotationen verbessert und dabei klassische Methoden insbesondere bei hochdimensionalen und unbalancierten Datensätzen übertrifft.

Shenghan Gao, Spiridon Penev, Libo Li2026-08-27
💻 computer science

Solving the flexible job-shop scheduling problem based on the hierarchical collaborative evolution multi-objective artificial raindrop algorithm

Dieses Paper schlägt einen hierarchischen koevolutionären multiobjektiven künstlichen Regentropfen-Algorithmus (HCMOARA) vor, der Latin-Hypercube-Sampling, partitionierte Subpopulationen mit spezialisierten Suchstrategien und einen adaptiven Flow-Faktor-Aktualisierungsmechanismus integriert, um die Durchlaufzeit, den Energieverbrauch und die Kosten in flexiblen Job-Shop-Scheduling-Problemen effektiv zu optimieren.

Zhibo Zhai, Shaoxuan Wang, Boyang Shi, Liang Ma, Haolong Wang, Jiangchao Zhou2026-08-27
💻 computer science

Strategic Mapping of University Research Portfolios Using NLP and Machine Learning: An Integrated Analysis of Research Projects

Diese Studie präsentiert ein integriertes Machine-Learning-Framework, das NLP, Dimensionsreduktion und Clustering-Algorithmen nutzt, um das Forschungsportfolio einer Universität zu analysieren, wobei aufgezeigt wird, dass die Fakultät für Ingenieur- und Naturwissenschaften das Budget dominiert, sowie signifikante Möglichkeiten für eine strategische Neuausrichtung neben einem mit 33,4 % hohen Risikoprofil versehenen Projektprofil identifiziert werden.

Üzeyir Pala, Bahar Birelli, Ayşenur Yalçın2026-08-27