💻 Category

cs

2403 articoli

💻 computer science

From Value Alignment to Directional Resonance: A Practical Path of Care Transmission in Human-AI Symbiosis

Questo studio sfida la nozione secondo cui l'indifferenza strutturale dell'IA preclude una cura genuina, dimostrando attraverso la pratica clinica e la collaborazione teorica che un'autentica simbiosi uomo-IA può essere raggiunta non attraverso l'allineamento dei valori algoritmici, bensì trasmettendo e sedimentando la cura direzionale umana all'interno di dinamiche relazionali a lungo termine per generare una risonanza stabile e allineata ai valori.

Chunmei Liu2026-08-10
💻 computer science

Frequency-Aware Gradient Correction for Unified Facial Landmark Detection

Questo articolo propone FGC-UFLD, un framework unificato per il rilevamento dei landmark facciali che integra moduli di rappresentazione sensibili alla frequenza (DiC-Wave e PFAM) per migliorare la modellazione strutturale e una strategia di Correzione del Gradiente Guidata dall'Ancora (AGGC) per risolvere i conflitti di ottimizzazione, ottenendo così prestazioni allo stato dell'arte su dataset eterogenei con un singolo modello.

Shun Ren, Qingjia Li, Hang Sun, Xu Wu, Beihang Song, Jun Wan2026-08-10
💻 computer science

A high-efficiency adaptive Genghis Khan shark optimizer using novel strategies for static and dynamic complex engineering optimization

Questo articolo propone l'IGKSO, un ottimizzatore potenziato del Genghis Khan shark optimizer che incorpora nuovi legami di sopravvivenza, una strategia interattiva luce-buio, un parametro adattivo e dispositivi di aggregazione dei pesci per risolvere efficacemente complessi problemi di ottimizzazione ingegneristica statica e dinamica con una precisione e capacità di ricerca globale migliorate.

Yuxuan Guo, Gang Hu, Mahmoud Abdel-salam2026-08-10
💻 computer science

Risk-Aware Degraded-Mode Orchestration for Resilient Cloud–Edge AI Agents: From Containerized Fault Injection to Heterogeneous Kubernetes Validation

Questo articolo introduce DMO-AI, un orchestratore consapevole del rischio che seleziona dinamicamente modalità di esecuzione degradate per agenti AI cloud–edge basandosi sul rischio del compito e sulla salute delle dipendenze, dimostrando attraverso un'estesa validazione in ambienti containerizzati ed eterogenei Kubernetes che migliora significativamente i tassi di completamento sicuri (93,95% rispetto al 64,70%) rispetto alla resilienza standard a livello di trasporto, mantenendo al contempo una rigorosa conformità alle policy.

Albert Adusei Brobbey¹˒², Narayan Bhosale¹, Dan Bamfo³2026-08-10
💻 computer science

IR-PowerDet: An Infrared Power Equipment Detection Algorithm Based on Multi-Scale Feature Fusion and Dynamic Environment Adaptation

Questo articolo propone IR-PowerDet, un framework basato su YOLOv12s che incorpora la fusione di caratteristiche multi-scala, l'adattamento all'ambiente dinamico e moduli di potenziamento per piccoli oggetti per ottenere un rilevamento robusto e ad alta precisione di apparecchiature elettriche a infrarossi in scenari complessi e occlusi, raggiungendo un mAP del 96,8%.

Yongbo Tang, Huicong Sun, Zijun Zhong, Miao Li2026-08-10
💻 computer science

A Hybrid Machine Learning Framework for Robust Detection of Malicious DNS-over-HTTPS Tunneling Traffic

Questo articolo propone un framework ibrido statisticamente validato e consapevole della densità che combina XGBoost con il punteggio di anomalia non supervisionato per rilevare in modo robusto il tunneling DNS-over-HTTPS malevolo, dimostrando miglioramenti significativi nel richiamo e nella riduzione dei falsi negativi rispetto ai baseline, confermando al contempo che i componenti generativi profondi non offrono alcun beneficio aggiuntivo.

Enas Selem¹, Rania Salama¹2026-08-10
💻 computer science

An Adaptive Resource-Aware MK-CKKS Framework with Linear- Complexity Multi-Key Aggregation for Privacy-Preserving Federated Learning in Resource-Constrained IoT Environments

Questo articolo presenta un framework MK-CKKS adattivo e consapevole delle risorse per l'apprendimento federato preservante la privacy nell'IoT che raggiunge un'aggregazione multi-chiave a complessità lineare e significativi guadagni di prestazione attraverso esperimenti nel mondo reale su MNIST e CIFAR-10, riconoscendo in modo trasparente che la costruzione a chiave indipendente e la validazione dell'hardware fisico rimangono lavori futuri.

Nasir Ahmad Jalali, Hongsong Chen2026-08-10
💻 computer science

τ-Guard: Recalibration-Invariant, Label-Free Drift Detection for Visual Recognition Systems via Cross-Signal Rank-Agreement Decay

Il documento introduce (τ)(\tau)-Guard, un metodo di rilevamento del drift privo di etichette per i sistemi di riconoscimento visivo che ottiene un'invarianza dimostrabile alla ricalibrazione del modello monitorando l'accordo di rango tra l'entropia predittiva e i punteggi di novità nello spazio delle caratteristiche, evitando così i falsi positivi che affliggono gli esistenti monitor basati sulla confidenza pur mantenendo la sensibilità ai veri cambiamenti di distribuzione.

Md Hasibuzzaman2026-08-10
💻 computer science

Too Symmetric to See: Diagnosing Over-Invariance in Finite-Symmetry Geometric Learning

Questo articolo identifica e quantifica i fallimenti di "sovra-invarianza" nell'apprendimento geometrico dove l'eccessiva simmetria scarta informazioni di fase critiche, proponendo il Projective Character Pooling (PCP) come un meccanismo di riparazione mirato che ripristina efficacemente i canali di fase e migliora la piattezza diagnostica rispetto ai modelli standard basati solo sull'ampiezza, sebbene rimanga una soluzione circoscritta piuttosto che un sostituto universale per l'orbit averaging.

D Yang Eng2026-08-10
💻 computer science

Adaptive Data Partitioning for Energy-Efficient Federated and Distributed Learning on Heterogeneous Systems

Questo articolo propone un controllore di partizionamento dei dati adattivo guidato dalle misurazioni che rialloca dinamicamente i budget di campionamento in base alle metriche del tempo di addestramento e dell'energia in tempo reale per mitigare gli straggler, ridurre il consumo energetico e migliorare l'efficienza dell'addestramento in sistemi eterogenei di apprendimento distribuito e federato.

Daniel Suárez Labena, Vicente José Blanco Pérez, Pedro Antonio Toledo Delgado, Francisco Carmelo Almeida Rodríguez2026-08-10