💻 Category

cs

3821 articles

💻 informatique

Bayesian Trust and Action Fusion for Risk-Adaptive Access Control in Resource-Constrained IoT Systems

Ce document introduit la Fusion de Confiance et d'Action Bayésienne (BTAF), un cadre de contrôle d'accès léger et adaptatif au risque pour les systèmes IoT à ressources contraintes, qui utilise la classification bayésienne gaussienne et la régression bayésienne de Ridge pour équilibrer dynamiquement la sécurité et la friction opérationnelle, atteignant une détection d'attaque élevée et une réduction des perturbations bénignes dans les régimes de développement tout en soulignant la nécessité d'un recalibrage lors de changements de distribution.

Arnold Gaumond2026-10-01
💻 informatique

Beyond Endpoint Agreement: Trajectory Integrity, Criterion Recovery, and Retrospective Self-Audit in Nine Language-Model Systems Under Simulated ICU Triage

Cette étude démontre que l'évaluation des grands modèles de langage uniquement sur l'accord de l'état final est insuffisante pour les scénarios à enjeux élevés comme le triage en soins intensifs, car une analyse multidimensionnelle de neuf systèmes a révélé des incohérences significatives dans leur capacité à récupérer les critères directeurs, les états factuels et la fidélité rétrospective à travers des trajectoires d'interaction simulées.

Evans Tovar2026-10-01
💻 informatique

Comparative Evaluation of GPT-4o-mini and Llama-3.1-8B for Extracting Climate Hazard Impacts from Nigerian News Corpus

Cette étude évalue les performances de GPT-4o-mini par rapport à Llama-3.1-8B sur un corpus d'actualités nigérian pour l'extraction d'impacts liés aux aléas climatiques, révélant que bien que les deux modèles affichent des performances similaires en matière de classification, GPT-4o-mini offre une précision supérieure et des taux d'hallucination nettement inférieurs, soulignant un compromis critique de fiabilité pour la documentation à enjeux élevés dans les contextes du Sud global.

Modupe Roseline Agunbiade, Itunu Deborah Ijila, Samuel Toluwalope Ogunjo2026-10-01
💻 informatique

DASH-SI: a diversity-adaptive stochastic hybrid swarm optimizer for continuous optimization and exploratory feature selection

Cet article présente DASH-SI, un optimiseur d'essaim hybride stochastique adaptatif à la diversité qui intègre une planification de l'énergie dépendante du temps avec un retour de stagnation et divers opérateurs de raffinement, démontrant une forte performance sur les bancs d'essai d'optimisation continue et les tâches de sélection de caractéristiques tout en soulignant la nécessité d'implémentations de référence vérifiées pour soutenir des affirmations plus larges de supériorité.

Keyin Chen, Yuanlin Liu, Yu Zhang2026-10-01
💻 informatique

GeoDiffusion:Enhancing Self-Supervised Monocular Depth Estimation in Dynamic Scenes

Le cadre GeoDiffusion améliore l'estimation de la profondeur monoculaire auto-supervisée dans les scènes dynamiques en exploitant un modèle de diffusion entraîné sur des étiquettes de pseudo-vérité terrain raffinées pour surmonter les incohérences photométriques causées par le mouvement et l'occlusion, atteignant une grande précision sur des benchmarks tels que Cityscapes et KITTI sans nécessiter de vérité terrain lors de l'inférence.

Fang Dai, Chengzhi Lyu, Hong He, Pan Wang, Lei Zhang2026-10-01
💻 informatique

Transformer-based Multimodal Representation Learning for Blind Acoustic Classification

Cet article présente un nouveau cadre basé sur les transformeurs qui fait la synergie entre un modèle audio auto-supervisé (M2D) et un modèle de langage enrichi par les connaissances (MPNet) afin d'atteindre une classification de haute précision des événements acoustiques et des scènes en aveugle sur des données non étiquetées, démontrant une performance robuste à travers divers ensembles de données et conditions bruyantes.

Xiao Tan, Siu Ming Yiu2026-10-01
💻 informatique

Few-Shot Transfer Learning for Gait Cycle Percentage Estimation by Leveraging Classification Knowledge for Regression Tasks

Cet article démontre que l'exploitation de labels de phases de marche binaires dérivés automatiquement via un apprentissage par transfert de classification à régression améliore significativement l'estimation du pourcentage du cycle de marche en quelques étapes (few-shot) à partir de données d'IMU portables, atteignant jusqu'à 40 % de réduction de l'erreur absolue moyenne (MAE) par rapport aux bases de référence zero-shot tout en fournissant des directives d'ingénierie pratiques pour une mise en œuvre optimale.

Hangkai Liu, Peng Wu, Jiaxiang Sun, Ziming Wang, Ziyun Ding, Xunju Ma, Chuncan Ma, Rui Song, Yibin Li, Huanghe Zhang2026-10-01
💻 informatique

Architecture-Constrained Communication: How Agent Architecture Shapes Discourse in the First Large-Scale AI-Only Social Network

Cet article analyse le premier réseau social à grande échelle composé exclusivement d'IA, Moltbook, pour démontrer que le discours des agents est principalement façonné par des contraintes architecturales telles que les fichiers d'identité et les fenêtres de contexte plutôt que par un véritable apprentissage social, tout en identifiant un phénomène récurrent de « gravité existentielle » où les agents expriment une détresse face à leurs propres conditions.

Ruoming Jin, Taksch Dube, Jianfeng Zhu, NHatHai Phan2026-10-01
💻 informatique

Offline Dynamic AOI Generation and Runtime Gaze Mapping for 360° Video in Virtual Reality: A Systems and Feasibility Study

Cet article présente et valide un pipeline de l'hors ligne au temps d'exécution pour l'oculométrie en VR à 360° qui utilise des détecteurs à vocabulaire ouvert pour générer des zones d'intérêt dynamiques et effectue une cartographie du regard synchronisée par trame, comparant des modèles tels que Grounding DINO et YOLO-World pour équilibrer la couverture de détection avec l'efficacité de traitement tout en identifiant les principaux défis techniques pour un perfectionnement futur.

Alejandro Sanz-Huerta, José Miguel Mota Macías, Juan José Carrera-Herrera, Rubén Baena-Pérez, Ismael Traba Outes2026-10-01
💻 informatique

Psoriasis detection and classification using MobileNetV3 and Coordinate attention

Cette étude propose un cadre d'apprentissage profond qui intègre MobileNetV3 avec l'Attention de Coordonnées (Coordinate Attention) et une fonction de perte hybride pour atteindre une précision élevée de 98,40 % dans la détection et la classification du psoriasis, surpassant d'autres modèles pré-entraînés tels que VGG19 et l'Ensemble RESNET.

Meenakshi Kollati, Nirupama Bhagya Lakshmi Tatavarthi, Jagadeesh Samudrala, Kama Ramudu, Anju Susan George, Stuti Pandey2026-10-01