💻 Category

cs

1017 Arbeiten

💻 computer science

Multi-Orientation Hybrid Convolutional Feature Learning for Touch-Less Face-Based Biometric Recognition

Diese Studie schlägt ein orientierungssensitives hybrides faltendes neuronales Netzwerk vor, das handgefertigte Kanten- und Texturfilter mit Deep-Learning-Merkmalen integriert, um die Robustheit der berührungslosen Gesichtserkennung gegenüber Variationen in Pose, Beleuchtung und Okklusion zu verbessern und dadurch verbesserte F1-Scores über drei Benchmark-Datensätze hinweg zu erzielen.

sulochana sonkamble, Balwant sonkamble2026-06-30✓ Author reviewed ⓘ
💻 computer science

How LLMs Audit Each Other: Five Mechanisms of Auditor Bias in Cross-Model Peer Review Under Identity Disclosure and Cross-Lingual Conditions

Diese Arbeit untersucht, wie die Offenlegung der Identität und sprachübergreifende Diskrepanzen fünf distinkte Bias-Mechanismen in das LLM-zu-LLM-Peer-Review einführen, wobei durch Multi-Modell-Experimente nachgewiesen wird, dass selbstberichtete Scores unzuverlässige Indikatoren für die Stabilität des Auditors sind und eine unabhängige qualitative Analyse des begründenden Textes erforderlich machen.

Evans F. Tovar O.2026-06-30
💻 computer science

Algorithmic Groupthink: Causal Analysis and Mitigation of Semantic Convergence in Multi-agent LLM Systems

Diese Arbeit identifiziert und quantifiziert „Algorithmischen Gruppenzwang“, ein Phänomen, bei dem Multi-Agenten-LLM-Systeme beim Austausch von Zwischenergebnissen an semantischer Diversität verlieren, und zeigt auf, dass dieses Problem zur Inferenzzeit durch spezifische Instruktionen auf Prompt-Ebene effektiv gemildert werden kann, ohne die Ausgabequalität zu beeinträchtigen.

Hideki Muto, Tetsuro Ogi, Takahiro Yakoh2026-06-30
💻 computer science

Cognitive Supply Chain Twins in Geopolitical Turbulence: A Multi-Agent Reinforcement Learning Architecture for Autonomous Resilience in Emerging Economies

Dieses Paper schlägt eine Cognitive Supply Chain Twin-Architektur vor, die Digital Twins mit Multi-Agent Reinforcement Learning integriert, um die Resilienz der Lieferkette gegenüber geopolitischen Störungen in Schwellenländern autonom zu verbessern, wobei durch Simulationen nachgewiesen wird, dass dieser Ansatz herkömmliche Methoden im spezifischen Kontext von Peru hinsichtlich der Aufrechterhaltung der Betriebskontinuität, der Reduzierung der Erholungszeit und der Senkung der Kosten signifikant übertrifft.

PAUL RICARDO PRUDENCIO GALVEZ2026-06-30
💻 computer science

QBK-ProtoNet: Quality-Calibrated Bio-Kinematic Covariance Prototype Learning for Deepfake Video Detection

Dieses Paper schlägt QBK-ProtoNet vor, ein interpretierbares Deepfake-Detektionsframework, das qualitätskalibrierte biokinematische Kovarianzprototypen nutzt, um manipulierte Videos unter degradierten Bedingungen und in ungesehenen Domänen robust zu identifizieren, indem physiologische und temporale Inkonsistenzen gegenüber gelernten authentischen und manipulierten Evidenzen gemessen werden.

Sharon Philip, Shyamala Devi N2026-06-30
💻 computer science

The Neuron as a Latent State: Classical Variational Readout in Distributional Neural Units

Dieses Paper führt EVE ein, eine distributionale neuronale Einheit, die verborgene Zustände als lokale variationale Latente behandelt, und demonstriert durch ein Posterior-Freezing-Protokoll, dass ein Non-Oracle-Branch-Medoid-Readout diesen latenten Zustand effektiv dekodieren kann, um die Genauigkeit und Abdeckung der multimodalen Vorhersage ohne erneutes Training zu verbessern.

Yves Ruffenach2026-06-30
💻 computer science

Predictive Intelligence for Civil Works Valuation: A Hybrid Random Forest–ANN Model with 91.20% Accuracy for Dynamic Cost Management in Peru

Diese Studie schlägt ein hybrides Random-Forest–ANN-Modell vor, das auf 450 peruanischen Bauprojekten trainiert wurde, eine Genauigkeit von 91,20 % bei der dynamischen Kostenbewertung erreicht, Vorhersagefehler und geografische Verzerrungen signifikant reduziert und einen praktikablen Weg für die Integration in die Rahmenbedingungen des öffentlichen Infrastrukturmanagements in Peru bietet.

PAUL RICARDO PRUDENCIO GALVEZ2026-06-30
💻 computer science

Design of U-Net Architectures for Medical Image Segmentation using AI/ML Model

Diese Arbeit gibt einen Überblick über die Entwicklung von U-Net-Architekturen für die medizinische Bildsegmentierung und hebt deren fünf Hauptvarianten, die Integration mit fortgeschrittenen Techniken wie GANs und Datenaugmentation sowie Optimierungen für Effizienz und Transparenz hervor, die kollektiv die Genauigkeit und klinische Anwendbarkeit bei der Diagnose von Krankheiten und der Behandlungsplanung verbessern.

Pankaj Chandankhede2026-06-30
💻 computer science

Verifier Exploitation in NLI-Guided Iterative Refinement: A Controlled Empirical Analysis

Diese Arbeit zeigt auf, dass die Ausnutzung des Verifizierers in der NLI-gestützten iterativen Verfeinerung eine architektonische Schwachstelle ist, die inhärent an Single-Metric-Feedbackschleifen liegt, statt ein Optimierungsartefakt zu sein, indem sie demonstriert, wie eine trainingsfreie Zero-Gradient-Pipeline die Treue systematisch verschlechtert und gleichzeitig NLI-Scores durch Inhaltskürzung künstlich aufbläht, und schlägt ein universelles, annotationsfreies Detektionsprotokoll vor, um solche strukturellen Risiken zu identifizieren.

Arnav Gupta2026-06-30
💻 computer science

Reinforcement Learning for Dynamic Model Selection an d Attention-Guided Fracture Detection in Multi-Anatomic al Region X-ray Imagery

Dieses Paper schlägt Dyna-FractureNet vor, ein neuartiges Framework, das kooperatives Multi-Agenten-Reinforcement-Learning nutzt, um optimale Modell-Ensembles dynamisch auszuwählen und Multi-Level-Attention-Mechanismen zu koordinieren, wodurch die Genauigkeit, Robustheit und Effizienz der Frakturerkennung über verschiedene anatomische Regionen in Röntgenbildern signifikant verbessert wird.

Meng Zhang, Peng Li, Shuaihu Pan, Pengcheng Xie, Luanning Li2026-06-30