cs Arbeiten | Gist.Science

Architectural Framework for ERP-WMS Integration: Mitigating Data Latency and Transactional Asymmetry in Integrated Logistics Systems

Dieses Paper stellt das SAIL-Framework vor, eine neuartige zustandsbehaftete Orchestrierungsarchitektur, die Datenlatenz und transaktionale Asymmetrie in integrierten ERP-WMS-Logistiksystemen durch den Ersatz zustandsloser Middleware durch aktive, zustandsrelevante Schichten mit heuristischer Validierung und Dual-Handshake-Protokollen mildert und dadurch die manuelle Bestandsbereinigung um bis zu 90 % reduziert, während gleichzeitig die Ledger-Integrität gewährleistet wird.

Arijit Das2026-08-26

💻 computer science

Genetic Fragmentation Gradient Descent: Failure-Constrained Scheduling for GPU-Sharing Clusters

Dieses Paper schlägt Genetic Fragmentation Gradient Descent (GFGD) vor, einen effizienten Offline-Online-Scheduler, der einen genetischen Algorithmus verwendet, um leichtgewichtige, fehlerbeschränkte Policies für GPU-Sharing-Cluster zu entwickeln, wodurch die Scheduling-Latenz im Vergleich zu bisherigen simulationsintensiven Ansätzen signifikant reduziert und gleichzeitig die Job-Abschlussraten sowie die Ressourcenauslastung verbessert werden.

Soeun Choi, Jaehyeong Sim2026-08-26✓ Author reviewed ⓘ

💻 computer science

A Lightweight Time--Frequency Fusion Network for Accurate Wastewater Quality Forecasting

Dieses Paper stellt TSF-Resonator vor, ein leichtgewichtiges Zeit-Frequenz-Fusionsnetzwerk, das durch die Kombination von adaptiver multiskalarer zeitlicher Kodierung mit niederrangiger Spektralanalyse eine präzise und effiziente Vorhersage der Abwasserqualität erreicht, um die rechnerischen und modellierungstechnischen Einschränkungen bestehender Transformer-basierter Ansätze zu überwinden.

Jiahao Fu, Jianjun Sun, Gaunlin Li2026-08-26✓ Author reviewed ⓘ

💻 computer science

Agentic AI System for Hospital Management

Dieses Paper schlägt ein kooperatives Multi-Agenten-Reinforcement-Learning-Framework für die Krankenhausverwaltung vor und evaluiert dieses, wobei es demonstriert, dass seine vier spezialisierten Agenten traditionelle Systeme signifikant übertreffen, indem sie die Ressourcenallokation optimieren, Patientenwartezeiten reduzieren und eine hohe operative Effizienz bei minimalen Konflikten erreichen.

Ashis Kumar Pati, Kaibalya Mohapatra, Mukesh Kumar Padhi, Shreya Tripathy2026-08-26

💻 computer science

Trustworthy Few-Shot Transfer Learning withExplainable AI for PCOS Ultrasound Classification

Diese Arbeit schlägt ein vertrauenswürdiges Few-Shot-Transfer-Learning-Framework unter Verwendung von ResNet50 und Grad-CAM vor, das PCOS aus Ultraschallbildern selbst unter schwerer Datenknappheit mit hoher Genauigkeit und zuverlässigen Erklärungen effektiv klassifiziert.

S. M. Nihal Ahmed, Afrim Hossen Khan, Sabikun Nahar Sinthia2026-08-26

💻 computer science

TrustFedKG-Health: Explainability-Aware Personalized Federated Knowledge Graph Neural Network with Uncertainty-Guided Clinical Reasoning

TrustFedKG-Health ist ein erklärbarkeitsbewusstes, personalisiertes Federated-Learning-Framework, das einen medizinischen Wissensgraphen, unsicherheitsgesteuertete Argumentation und qualitätsgewichtete Aggregation integriert, um eine überlegene Krankheitsrisikovorhersage zu erreichen und klinisch fundierte Narrative zu generieren, während es gleichzeitig Datenheterogenität und Qualitätsprobleme über Krankenhäuser hinweg adressiert.

ARITRIK GHOSH2026-08-26

💻 computer science

Network Dominance and the MITM Exception: A Modality-Aware Analysis of IIoT Intrusion Detection on the DataSense Benchmark

Diese Arbeit zeigt auf dem DataSense IIoT-Benchmark, dass Netzwerkverkehrsmerkmale allein nahezu ausreichend für eine hochgenaue Intrusion Detection über die meisten Angriffsarten hinweg sind, wobei die Geräte-Telemetrie nur einen minimalen Mehrwert bietet, außer bei der Unterscheidung von Man-in-the-Middle-Angriffen (MITM).

Okoi Michael Obeten, Omowumi Hafsat Aliu2026-08-26

💻 computer science

Cross-Group Aligned Problem Difficulty Clustering Using Attention-Weighted Feature Learning

Dieses Paper schlägt ein kompetenzgruppenbewusstes Framework vor, das eine merkmalaufmerksamkeitsgesteuerte K-Means-Clustering-Methode mit einem globalen Ausrichtungsschritt kombiniert, um die Schwierigkeitsgrade von Programmieraufgaben auf Online-Judge-Plattformen effektiv zu kategorisieren, wodurch die Clustering-Qualität und die Konsistenz zwischen den Gruppen im Vergleich zu Standard-Baselines signifikant verbessert wird.

Md. Shahajada Mia, Yutaka Watanobe, Md. Mostafizer Rahman, Md Faizul Ibne Amin, Daniel M. Muepu, Fang Liu2026-08-26

💻 computer science

Governance-Bound Artificial Intelligence for Evidence-Linked Medicines Reliance Review: A Design Science Research Study

Diese Design Science Research-Studie präsentiert die Entwicklung von RAIA, einem regelgebundenen KI-Artefakt, das darauf ausgelegt ist, nationale Regulierungsbehörden bei evidenzbasierten Reviews zur Arzneimittelverfügbarkeit durch die Integration von sicherer Datenverarbeitung, nachvollziehbarer Evidenzsynthese und menschlich supervidierter Entscheidungsfindung innerhalb eines wiederverwendbaren Architekturrahmens zu unterstützen.

Mariam Parker, Haanim Pietersen, Tredir Sewpaul, Rudy Maart, Jacques Joubert2026-08-25

💻 computer science

Multi-period Balancing Attribute Subgraph and Heterogeneous Graph Diffusion Enhancement for Network Anomaly Detection

Dieses Paper schlägt ein neuartiges Framework zur Erkennung von Netzwerkanomalien vor, das mehrperiodische, ausbalancierte Attribut-Subgraphen mit einem Diffusion-HAN-Netzwerk kombiniert, um Datenimbalance und Klassifikationsunsicherheit effektiv zu adressieren und im Vergleich zu State-of-the-Art-Methoden signifikante Verbesserungen bei der Erkennung unbekannter Angriffe sowie beim F1-Score zu erzielen.

Xiang Long, Haili Sun, Dingkun Xu, Lansheng Han2026-08-25

← Zurück Weiter →