💻 Category

cs

2456 papers

💻 computer science

Content Cooperative Caching in Mobile Edge Network Through Federated Reinforcement Learning

Dit artikel stelt een federated reinforcement learning-framework voor mobiele edge-netwerken voor dat een VAE-LSTM-model combineert voor de voorspelling van de populariteit van inhoud met een multi-agent deep reinforcement learning-algoritme om coöperatieve caching-beslissingen te optimaliseren, waardoor de latentie aanzienlijk wordt verminderd en de cache-hitrates worden verbeterd in vergelijking met bestaande baseline-methoden.

Jipeng Zhou, Shaomei Lv2026-07-23
💻 computer science

A Comprehensive Multimodal Framework for Robust Forgery Detection in Social Media Images via Adaptive Gated Fusion of Convolutional Neural Networks, Vision Transformers, and Graph Neural Network Representations

Dit artikel stelt een robuust trimodaal framework voor dat CNN's, Vision Transformers en Graph Neural Networks integreert via een adaptief gated fusion-mechanisme om een state-of-the-art nauwkeurigheid bij het detecteren van vervalsingen (99,10%) en interpreteerbaarheid op sociale media-afbeeldingen te bereiken.

Wasin Alkishri, Shahid Kamal, Jabar Yousif, Mahmood Al-Bahri2026-07-23
💻 computer science

Toward Principled Model Selection in Data-Limited Scientific Machine Learning: A Three-Principle Decision Framework with Empirical Case Studies

Deze studie stelt een principieel, drieledig beslissingskader voor voor het selecteren van modellen in data-beperkte wetenschappelijke machine learning, waarbij door middel van casestudy's over kinase-remmers en oplosbaarheid wordt aangetoond dat eenvoudige lineaire modellen vaak complexe alternatieven overtreffen wanneer de steekproefomvang klein is, waardoor model-eenvoud wordt gepleit als een kritieke baseline.

Menachem Lachiany2026-07-23
💻 computer science

Predictive Modelling for Individual Household Electric Power Consumption Using Machine Learning Approaches

Deze studie evalueert diverse machine learning-regressiemodellen op de Individual Household Electric Power Consumption-dataset om energietrends te voorspellen en anomalieën te identificeren, waarbij wordt vastgesteld dat Random Forest andere algoritmen overtreft terwijl SHAP-analyse onthult dat Global_intensity de dominante voorspellende factor is.

K. J. Megha, Anusha Anusha Sunny, Kailasamani Shunmugesh, Sony Kurian, Deepanraj Balakrishnan, Mbuyu Sumbwanyambe2026-07-23
💻 computer science

Stigmergic Skeleton Fields: A Bio-Inspired Framework for Decentralized Multi-Robot Navigation via Localized Incremental Re-Skeletonization

Dit artikel stelt het Stigmergic Skeleton Field (SSF) framework voor, dat een mediale-as skeletgrafiek integreert met een mierenkolonie-feromoonveld en een Localized Incremental Re-skeletonization (LIR) algoritme om efficiënte, gedecentraliseerde navigatie door meerdere robots in dynamische omgevingen mogelijk te maken door alleen daar waar nodig de topologie te herstellen, waarbij een bijna optimale padkwaliteit wordt bereikt met aanzienlijk snellere herplanningssnelheden vergeleken met bestaande baselines.

Md Hasibuzzaman, Gene Eu Jan, Chan-Yun Yang, Md Shetu Mia2026-07-23
💻 computer science

A Hybrid Quantum Neural Network - Assisted Deep Learning Framework for Automated Centralserous Retinopathy Detection Using Oct Images

Dit artikel presenteert HQNNDL, een hybride quantum-klassiek deep learning-framework dat gebruikmaakt van een bevroren ResNet-18 backbone en een 8-qubit variationeel quantumcircuit om OCT-beelden in vier categorieën te classificeren, waarbij een nauwkeurigheid van 79,0% wordt bereikt op een proxy-dataset afgeleid van Kermany OCT2017, terwijl de noodzaak voor verdere ablatie-studies en klinische validatie wordt erkend om de effectiviteit ervan voor de detectie van Centrale Serueuze Retinopathie te bevestigen.

Annamnedi Govardhan, P Suresh Varma2026-07-23
💻 computer science

Progressive Context Enrichment for LLM-Based MILP Formulation in Open-Pit Mine Production Scheduling

Dit artikel stelt een progressief contextverrijkingskader voor dat de betrouwbaarheid van Large Language Models bij het genereren van Mixed Integer Linear Programming-formuleringen voor de productieplanning van dagbouwmijnen verbetert door prompts systematisch aan te vullen met simulatorgegevens en code-annotaties, waarbij wordt onthuld dat hoewel simulatorcode de objectieve nauwkeurigheid verbetert, geannoteerde code superieur is voor het waarborgen van de haalbaarheid van restricties.

Mustavi Ibne Masum, Thiago Eustaquio Alves de Oliveira, Mahzabeen Emu2026-07-23