💻 Category

cs

3657 Arbeiten

💻 Informatik

A Multi-Seed Evaluation of Explanation Faithfulness and Stability under Adversarial Evasion in IoT/IIoT Intrusion Detection

Diese Arbeit präsentiert eine kontrollierte Multi-Seed-Evaluierung, die zeigt, dass das adversarielle Training zwar die Robustheit von IoT/IIoT-Intrusionserkennungsmodellen gegenüber PGD-Angriffen auf den ToN-IoT- und Edge-IIoTset-Benchmarks signifikant verbessert, dies jedoch auf Kosten der Genauigkeit bei sauberen Daten und einer variierenden Erklärungsstabilität je nach Datensatz und verwendetem Erklärer geschieht.

S. M. Nihal Ahmed, Afrim Hossen Khan, Sabikun Nahar Sinthia2026-10-28
💻 Informatik

Machine Learning Prediction of Undergraduate Academic Performance for Early Identification of At-Risk Students: Evidence from Nnamdi Azikiwe University

Diese Studie zeigt, dass Modelle des maschinellen Lernens, insbesondere Support Vector Machines, das akademische Risiko von Bachelorstudierenden an der Nnamdi Azikiwe University unter Verwendung routinemäßiger Datensätze wie dem GPA des ersten Semesters und Nachkolkursen effektiv vorhersagen können, wodurch rechtzeitige Interventionen für gefährdete Studierende ermöglicht werden.

Chinenye Amaonye, Judith Nneka OKAFOR, Samuel Oweh Abang, Ngozi Eucharia Anyikwa, Juliana Uzonna UMEOZOR2026-10-28
💻 Informatik

Multi-Dataset Deep Learning for Automated Multiple Sclerosis Lesion Segmentation in Multimodal Brain MRI

Diese Studie präsentiert ein Multi-Datensatz-Deep-Learning-Framework unter Verwendung einer UNet++-Architektur mit multimodalen MRT-Eingaben und imbalanzbewusster Optimierung, um eine verbesserte automatisierte Segmentierung von Multipler-Sklerose-Läsionen zu erreichen, wobei eine gesteigerte Sensitivität für kleine Läsionen nachgewiesen wird, während gleichzeitig die Notwendigkeit einer externen Validierung für den klinischen Einsatz betont wird.

Mahmoud Elsayed, Mostafa Elhoshy, Nahla Bishri, Ahmed I. Saleh2026-10-28
💻 Informatik

Psychometric Calibration of Large Language Models for Multidimensional L2 Academic Writing Assessment: The LICA Framework

Diese Studie evaluiert die psychometrische Validität von drei führenden Large Language Models (GPT-4o, Claude 3.5 Sonnet und Gemini 1.5 Pro) im Vergleich zu menschlichen Experten unter Verwendung des multidimensionalen LICA-Frameworks und zeigt auf, dass GPT-4o zwar eine perfekte Übereinstimmung erreicht, andere Modelle jedoch systematische Scoring-Biases aufweisen und Schwierigkeiten haben, soziopragmatische Nuancen konsistent zu bewerten, wodurch die kritische Notwendigkeit einer dimensionsspezifischen Kalibrierung und menschlicher Aufsicht bei der automatisierten L2-Schreibbewertung unterstrichen wird.

Pegah Merrikhi2026-10-28
💻 Informatik

A Comprehensive Survey of Deep Learning-Based OCR and Information Extraction for Low-Resource Languages

Diese Umfrage wertet über 100 begutachtete Arbeiten aus, um auf Basis von Deep-Learning-basierten OCR- und Informationsextraktionstechnologien deren unabhängige Entwicklung, die Herausforderungen bei ressourcenarmen Sprachen wie Bangla sowie die aufkommende Bedeutung des multimodalen Lernens für die zukünftige Forschung zu analysieren.

Md. Ammar Hossain Ammar, Mehedi Hasan Talha Talha, Ananna Saha Ananna, Md. Al Emran Emran, Md. Mohin Khan Mohin, Tuba Ha (…)2026-10-28
💻 Informatik

Identifying Policy-Engine Semantics from 1 Distinguishing Probes: Sound Feasibility and Graded Verification for Outcome-Level Configuration Changes

Diese Arbeit zeigt auf, dass eine geringe Anzahl unterscheidender Sonden zwar in der Lage ist, die Semantik einer Policy-Engine innerhalb einer vordefinierten Kandidatenklasse präzise zu identifizieren, solche Sonden jedoch daran scheitern, Engines außerhalb dieser Klasse oder solche mit subtilen Abweichungen zu erkennen, was strukturierte Verifizierungsstrategien und Kontrollläufe erforderlich macht, um die fundierte Durchführbarkeit von Konfigurationsänderungen auf Ergebnisebene zu gewährleisten.

Blessing Honmane2026-10-28
💻 Informatik

Oncomorphic neural agent populations for resource-limited sequential learning

Dieses Paper führt ein onkomorphes Multi-Agenten-Framework ein, das von Krebsdynamiken inspiriert ist, und demonstriert, dass dezentrale neuronale Agenten, die unter Ressourcenbeschränkungen replizieren, mutieren und migrieren können, durch ökologische Selektion anstatt durch zentralisierte Optimierung ein robustes sequenzielles Lernen und eine verbesserte Multi-Task-Kompetenz erreichen können.

Philip Greulich, Michael Levin, Rosalia Moreddu2026-10-28
💻 Informatik

Weakly Supervised Video Anomaly Detection Using CNN-LSTM with Confidence-Aware Automated Pseudo Label Generation

Dieses Paper schlägt ein schwach überwachtes Framework zur Videonormabweichungserkennung vor, das eine mehrstufige Pipeline unter Verwendung von Bewegungsschätzung, Objekterkennung und Segmentierung nutzt, um konfidenzbasierte Pseudo-Labels zu generieren, welche anschließend dazu verwendet werden, ein leichtgewichtiges CNN-LSTM-Modell zu trainieren, das eine wettbewerbsfähige Leistung auf dem UCF-Crime-Datensatz erzielt.

Shima Jalali, Reza Boostani2026-10-28
💻 Informatik

Systematic Framework of Application Methods for Large Language Models in Language Sciences

Dieses Paper schlägt ein zweistufiges systematisches Framework vor, das Anwendungen großer Sprachmodelle in den Sprachwissenschaften in drei unterschiedliche methodische Ansätze kategorisiert und strukturierte Konfigurationen für deren Implementierung bereitstellt, mit dem Ziel, die methodische Fragmentierung durch ein reproduzierbares, theoriegeleitetes Paradigma für robuste linguistische Forschung zu ersetzen.

Kun Sun, Rong Wang2026-10-28
💻 Informatik

Blockchain-Based Traceability and Intelligent Procurement Optimization for Green Transformation in Optoelectronic Enterprises

Dieses Paper schlägt ein einheitliches Framework vor, das eine Multi-Channel-Konsortium-Blockchain mit einem auf Reinforcement Learning basierenden Beschaffungsmodell integriert, um die Vertrauenswürdigkeit von Daten zu erhöhen, die Abläufe der grünen Lieferkette zu optimieren und die Kosten für optoelektronische Unternehmen signifikant zu senken.

Yuan Liu, Sheng Xie2026-10-28