💻 ciencias de la computación

DriGitScale: Drift-Aware GitOps for Consistency-Aware Predictive Autoscaling in Kubernetes

DriGitScale es un marco de trabajo de GitOps consciente de la deriva para Kubernetes que mejora la estabilidad del autoescalado y la consistencia del despliegue al formular las decisiones de escalado como un problema de gestión de consistencia que evalúa conjuntamente las derivas de predicción, de recursos y de configuración, reduciendo así las acciones de escalado innecesarias mientras mantiene una capacidad de respuesta competitiva a través de diversas condiciones de carga de trabajo.

Ahmed Fathi AboElazm, Abdalla Sayed Yassin, Hanan Fahmy2026-10-01
💻 ciencias de la computación

NSR: No Secondary Rebuffering Frame-Level Playback Resumption Control Method

Este artículo propone No Secondary Rebuffering (NSR), un controlador de reanudación de reproducción a nivel de cuadro que predice y previene dinámicamente los eventos de rebuffering secundario mediante la estimación del ancho de banda y el vaciado del búfer, mejorando así consistentemente la Calidad de Servicio de la sesión a través de varios algoritmos de tasa de bits adaptativa en comparación con las líneas base fijas y adaptativas.

Yuming Zhang, Haoting Huang2026-10-01
💻 ciencias de la computación

Persistent Frontier Tracking and Uncertainty-Aware Goal Switching for Autonomous Exploration

Este artículo propone un marco de exploración autónoma que utiliza una capa de decisión con rastreos persistentes filtrados por Kalman y un cambio de objetivos consciente de la incertidumbre para optimizar la selección de fronteras, permitiendo que un robot entrenado mediante PPO logre un 95% de cobertura un 20.3% más rápido y con un 19.4% menos de recorrido que un modelo base sin cambios en experimentos del mundo real.

Nima Payandeh, Rasul Fesharakifard, YOUNES ALIZADEH VAGHASLOO, Mohsen Bahrami2026-10-01
💻 ciencias de la computación

VDSAC-TD3-based collaborative coverage optimization in satellite-UAV heterogeneous networks with energy and safety constraints

Este artículo propone VDSAC-TD3, un nuevo marco de aprendizaje por refuerzo profundo multiagente que integra la descomposición de valor, la regularización de entropía máxima y los mecanismos de retraso doble para optimizar la cobertura colaborativa en redes heterogéneas de satélite-VANT mientras aborda eficazmente las restricciones de energía, los requisitos de seguridad y los desafíos ambientales dinámicos.

Rou Zhang, Yongsheng Ma, Wei Zhao, Wenzhe Li, Qingtao Zeng2026-10-01
💻 ciencias de la computación

Lightweight Attention-Enhanced CNN-BiLSTM for Intrusion Detection in Resource-Constrained IoT Networks

Este artículo propone un marco de CNN-BiLSTM ligero y mejorado con atención para la detección de intrusiones en redes IoT con recursos limitados que utiliza la selección de características basada en la información mutua para lograr un rendimiento competitivo e interpretabilidad intrínseca en dispositivos periféricos, según lo validado por el benchmark UNSW-NB15.

Samuel Koranteng Adjei Bampoh, Kwabena Owusu_Agyemang, Jeffrey Asamoah2026-10-01
💻 ciencias de la computación

Context-Aware Personalized Education Using Artificial Intelligence

Este artículo presenta TaleTutor AI, un marco adaptativo que integra la progresión narrativa estructurada pedagógicamente con el andamiaje basado en el dominio para ofrecer educación personalizada, demostrando mediante la evaluación en lecciones de ScienceQA que el sistema equilibra eficazmente la coherencia narrativa, la consistencia fáctica y el apoyo instruccional diferenciado.

Mariam Mohamed Hussien Sayed, Aya Salama Abdelhady2026-10-01
💻 ciencias de la computación

BudgetFunnel: Coarse-to-Fine Global Budget Allocation for Trace-Driven Serverless Cold-Start Mitigation

BudgetFunnel es un marco de trabajo dirigido por trazas y de grueso a fino que asigna un presupuesto de retención cálida compartido entre funciones sin servidor heterogéneas mediante un cribado ligero y un asignador codicioso consciente de la precedencia, logrando una mitigación de arranques en frío casi óptima con una sobrecarga de evaluación significativamente reducida en comparación con la evaluación completa y las estrategias de línea base existentes.

xuming wu, Zhipeng Ye, Gaoyuan Zhao, Zihao Lu, Jiayi Hong, Wen-Yu Peng, Zhibin Shao, Yan Cao2026-10-01
💻 ciencias de la computación

Software Size Estimation by Integrating Functional Size and Functional Complexity Measures

Este estudio propone un modelo de estimación del tamaño del software que integra Medidas de Tamaño Funcional (UFP y CFP) con Medidas de Complejidad Funcional (CC y YC) mediante el análisis de regresión, demostrando que la combinación de estas métricas —particularmente UFP con medidas de complejidad— reduce significativamente el error de estimación y mejora la precisión de la predicción para aplicaciones como COCOMO II.

Sholiq Sholiq, Riyanarto Sarno, Muhammad Ainul Yaqin, Apol Pribadi Subriadi, Achmad Holil Noor Ali2026-10-01
💻 ciencias de la computación

Exact Shape Templates, Event Descriptors, and Adaptive Waveform Generation in Pulse-Level Compilation

Este artículo propone una representación intermedia exacta que desacopla las plantillas de forma de pulso de los descriptores específicos de cada evento para eliminar cálculos de forma redundantes, logrando aceleraciones de un orden de magnitud en la compilación a nivel de pulso mientras mantiene una precisión de máquina.

Zeyuan Wang, Junchao Wang, Feng Wang, Lei Li, Shibo Liang2026-10-01
💻 ciencias de la computación

Sparse Low-Redundancy Multi-label Feature Selection with Dynamic Graph Constraint

Este artículo propone SLDMG, un método de selección de características multietiqueta disperso y de baja redundancia que mejora el rendimiento del modelo mediante la construcción de matrices de grafos dinámicos de alta calidad a partir de entradas de baja calidad y la eliminación de características redundantes, logrando mejoras significativas en las métricas Macro-F1 sobre los enfoques del estado del arte.

Bangna Li, Xingshi He, Yiting Hua2026-10-01