💻 computer science

CAI Computing Power Law: A Quantitative Framework for the Tripartite Balance of Computing Power, Algorithms and Generalized Information Resources

Cet article propose la loi de puissance de la puissance de calcul CAI, un cadre quantitatif (C = A/I) démontrant que l'optimisation des algorithmes et la purification des ressources informationnelles peuvent considérablement accroître la puissance de calcul effective et atténuer les rendements décroissants, guidant ainsi les industries à atteindre un équilibre tripartite dynamique entre la puissance de calcul, les algorithmes et l'information généralisée plutôt que de s'appuyer uniquement sur l'expansion matérielle.

Zhiyun Chen2026-07-30
💻 computer science

Big Data-Driven Early Warning Model for Safety Risk Management in Tobacco Enterprises

Cet article propose un modèle d'alerte précoce piloté par les mégadonnées pour les entreprises de tabac qui intègre un pipeline de données distribuées évolutif, une ingénierie des caractéristiques avancée et un système d'apprentissage d'ensemble afin de surmonter les limites de la surveillance traditionnelle en permettant une détection des risques de sécurité et un support à la décision en temps réel, précis et interprétables.

Xiumei Wen2026-07-30
💻 computer science

Cross-Outbreak Transfer Learning Under Data/Label Scarcity: Foundation ML model for epidemiology

Le papier introduit OBFM-SafeEnsemble, un cadre d'apprentissage par transfert protégé contre les changements de souches qui exploite les priorités sources et une régularisation adaptative pour améliorer significativement la prédiction du statut de confirmation lors des épidémies d'Ebola en situation de pénurie de données, tout en empêant le transfert de connaissances nocives grâce à une validation stricte et une sélection d'ensemble.

Vikas Ramachandra2026-07-30
💻 computer science

Intelligent Adaptive Hybrid Encryption Based on Unimodular Hill Cipher, RSA-OAEP, and Chaotic Logistic Maps for Universal Digital File Security

Cet article propose un cryptosystème hybride adaptatif piloté par l'IA qui alloue dynamiquement le chiffrement de Hill unimodulaire et le RSA-OAEP en fonction des caractéristiques des fichiers, utilisant des cartes chaotiques logistiques pour la génération de clés afin d'atteindre une sécurité robuste, efficace et sans perte pour les fichiers binaires universels.

Samsul Arifin2026-07-30
💻 computer science

Melanoma Prediction Using a Deep Convolutional Neural Network (CNN) Model

Cette étude présente une revue bibliométrique et systématique complète de la recherche sur la détection du mélanome basée sur l'apprentissage profond de 2015 à 2026, mettant en évidence les tendances clés des architectures CNN et de l'apprentissage par transfert tout en identifiant des défis critiques tels que le déséquilibre des ensembles de données et la validation clinique pour guider le développement futur de systèmes de diagnostic fiables.

Kazi Abdul Mannan, Md. Mohsin Hossain Sifat2026-07-30
💻 computer science

Confidence-Gated Multimodal Fusion with Speech-Guided Captioning for Depression Detection

Cet article introduit un cadre multimodal à porte de confiance qui intègre des plongements textuels, des caractéristiques acoustiques et des légendes d'émotion guidées par la parole pour pondérer dynamiquement la fiabilité des modalités, atteignant ainsi des performances de détection de la dépression de l'état de l'art tout en traitant la fuite d'évaluation grâce à une validation croisée imbriquée rigoureuse.

Ankit Kumar, Rohan Thapa, Shahid Shafi Dar, Nagendra Kumar2026-07-30
💻 computer science

State Authenticity under Multiple Bus Masters: A Non-Secure DMA Gap and Mitigation for TrustZone-M Proofs of Executio

Cet article révèle que les preuves d'exécution de TrustZone-M sont vulnérables à la falsification d'état via des contrôleurs DMA non sécurisés car leurs garanties de sécurité reposent uniquement sur l'isolation du processeur, et propose une atténuation légère utilisant la sécurité DMA par canal pour assurer l'authenticité de l'état contre tous les maîtres de bus.

Arash Razban2026-07-30
💻 computer science

Does Model Compression Amplify Clinical Bias? A Subgroup Fairness Audit of Quantized ICU Risk Models on MIMIC-IV

Cette étude audite l'impact des techniques de compression de modèles sur l'équité des sous-groupes dans la prédiction du risque d'insuffisance rénale aiguë en soins intensifs à l'aide de MIMIC-IV, révélant que si une quantification naïve peut dégrader de manière catastrophique les performances et que l'élagage nuit considérablement à la précision des sous-groupes, des contrôles méthodologiques appropriés sont essentiels pour éviter les affirmations d'équité fallacieuses et traiter les disparités inhérentes induites par la petite taille des sous-groupes.

Aman Chandra H, Stuti Shivhare2026-07-30
💻 computer science

Graph-Based Polypharmacy Risk Networks for Adverse Event Prediction in ICU Patients: A MIMIC-IV Analysis

Cette étude exploite les données MIMIC-IV pour démontrer que, si les modèles tabulaires standards surpassent souvent les approches basées sur les graphes pour prédire l'insuffisance rénale aiguë et les saignements, les plongements de graphes dérivés des réseaux de co-administration de médicaments apportent des améliorations statistiquement significatives et interprétables dans la prédiction du risque de délire lorsque la fuite de données est rigoureusement corrigée.

Aman Chandra H, Stuti Shivhare2026-07-30
💻 computer science

Can linguistic complexity predict machine translation quality?- a corpus-based study of complexity-quality nexus in philosophical texts

Cette étude basée sur un corpus démontre qu'un modèle de régression intégrant des mesures de complexité tant lexicales que syntaxiques prédit efficacement la qualité de la traduction automatique dans les textes philosophiques de l'allemand vers le chinois, soulignant le rôle critique des caractéristiques linguistiques holistiques dans l'évaluation des résultats de traduction.

Lingxi FAN, Andrew Cheung, Yuchi Li, Shuangzhi Li, Wei Liu2026-07-30