💻 computer science

Training-Time Regularization for Inference-Time Monitoring-A Unified Framework for Self-Supervised World Models

Dit artikel identificeert en adresseert het "regularisatie-monitoring dilemma", een fundamenteel conflict waarbij de marginale Gaussianisering die vereist is voor de stabiele training van zelfgesuperviseerde wereldmodellen (zoals JEPA's) onbedoeld de discriminerende geometrische structuren onderdrukt die noodzakelijk zijn voor betrouwbare anomaliedetectie tijdens de inferentiefase.

Yu-Xiang Wu, Yuyan Wu2026-08-03
💻 computer science

Melanoma Detection Using Deep Convolutional Neural Networks: Architectures, Datasets, and Performance

Dit artikel presenteert een systematische review van deep convolutional neural network-architecturen, datasets en preprocessingsstrategieën voor automatische melanoomdetectie, waarbij hun hoge nauwkeurigheid en huidige uitdagingen zoals klassenimbalans en interpreteerbaarheid, evenals toekomstige richtingen zoals federated learning en hybride modellen, worden belicht.

Kazi Abdul Mannan, Mashrafi Ahmed2026-08-03
💻 computer science

When Does Causal Pretraining Beat Direct Small-Data Causal Learning? Towards a causal foundation model

Dit artikel introduceert SciCFM, een causaal foundation model-framework dat aantoont dat interventierijke cross-task pretraining de schatting van behandelingseffecten in extreem kleine datasets en complexe causale regimes aanzienlijk verbetert, hoewel het minder effectief blijft dan directe geregulariseerde estimators in laagdimensionale instellingen.

Vikas Ramachandra2026-08-03
💻 computer science

From Large Language Models to Multimodal Intelligence: Bridging AI and Cognitive Science

Dit reviewartikel betoogt dat hoewel Large Language Models indrukwekkende cognitieve vermogens vertonen, de toekomstige vooruitgang van AI vereist dat de kloof naar multimodale intelligentie wordt overbrugd door middel van belichaamde ervaringen, hiërarchische modulatie en autonome versterking om de inherente beperkingen van louter op taal gebaseerde systemen te overwinnen.

Yanru Jiang, Rick Dale2026-08-03
💻 computer science

Self-Evolving Agentic Reinforcement Meta-Learning Framework for Adaptive Cloud Scheduling under Dynamic Workloads

Dit artikel stelt een zelfevoluerend agentisch reinforcement meta-learning framework voor dat doelevolutie integreert met beleidsleren om cloud-scheduling doelstellingen autonoom aan te passen als reactie op dynamische workloads, waarbij een superieure prestatie wordt aangetoond op het gebied van latentie, kosten en resource-utilisatie vergeleken met traditionele scheduling-methoden.

Mrs.Bhavani R, Punithasurya K, Divya s2026-08-03
💻 computer science

Secure User Privacy Enforcement in IoT Through a Blockchain- Powered Identity Management System

Dit artikel stelt SecureChain-ID voor, een door blockchain aangedreven identiteitsbeheersysteem dat elliptische curve-cryptografie en zero-knowledge proofs gebruikt om schaalbare, veilige en privacy-bewuste authenticatie te bieden voor IoT-apparaten met beperkte middelen, terwijl single points of failure worden geëlimineerd door middel van gedecentraliseerd bestuur.

Majid Altuwairiqi2026-08-03
💻 computer science

A Framework for Customer Needs Analysis: Integrating Dynamic Sentiment Lexicon Construction with Kano Model

Dit artikel stelt een datagestuurd framework voor dat guided BERTopic, een dynamisch domein-adaptief sentimentlexicon en het Kano-model integreert om online reviews objectief te analyseren en productverbeteringen te prioriteren, gedemonstreerd door een evaluatie van 8.970 reviews van nieuwe energievoertuigen.

Qiong He, Yijia Li, Zhenwei Yang, Shuai Wang, Jian Zhang2026-08-03
💻 computer science

Deep Reinforcement Learning-Based Dynamic Mode Selection and Power allocation for Clustered Vehicular Networks

Dit artikel stelt een multi-agent parameter-sharing Proximal Policy Optimization (PPO) raamwerk voor voor dynamische modusselectie en vermogensallocatie in geclusterde voertuignetwerken, wat traditionele baselines aanzienlijk overtreft door de betrouwbaarheid te verbeteren, latentie te verminderen en het transmissievermogen te verlagen door adaptief leren van lokale netwerkomstandigheden.

Eugenia Rudo Nyanhete, Elijah Mwangi, Karim Djouani2026-08-03