💻 Category

cs

3778 papers

💻 informatica

From Slots to Relations: Object-Centric Graph World-Action Models for Relational Robot Manipulation

Dit artikel introduceert Object-Centric Graph World-Action Models (OC-GWAM), die expliciet continue geometrie en getypeerde objectrelaties coderen via graph transformers om de getrouwheid van het wereldmodel en de generalisatie van relationele compositie in robotmanipulatie aanzienlijk te verbeteren, ook al blijft de prestatie van directe actiecontrole competitief met eenvoudigere geometrie-gebaseerde of impliciete aandacht-baselines.

Agasthya Anirudh Badampudi2026-10-07
💻 informatica

Gender and Age-Based Violations in Motorcycle Behaviours: A Case Study in Marrakesh

Dit artikel presenteert een op deep learning gebaseerd systeem dat gebruikmaakt van YOLOv11- en CNN-modellen om specifieke motorverkeersovertredingen in Marrakech te detecteren, terwijl de correlatie ervan met de leeftijd en het geslacht van de rijder wordt geanalyseerd om de veiligheid op stedelijke wegen en de handhaving van de wet te verbeteren.

Ayoub Charef, Adel EL QASSOUARI, Zahi Jarir2026-10-07
💻 informatica

Multi-grade obesity classification and key lifestyle risk analysis using a learning rate-tuned K-means-XGBoost hybrid approach

Deze studie stelt een met de leersnelheid afgestemd K-means-XGBoost hybride model voor dat een testnauwkeurigheid van 90,15% bereikt in multi-grade obesitasclassificatie en geslacht en gewicht identificeert als de meest significante levensstijlrisicofactoren voor gerichte publieke gezondheidsinterventies.

Chou-Yuan Lee, Kexin Yu, Xinlin Liu, Jian-Qiong Huang, Jie Yao2026-10-07
💻 informatica

Personalized Federated Intrusion Detection for Non-IID IIoT Traffic via DDPG-Guided Adaptive Aggregation

Dit artikel stelt PAEDDPG voor, een gepersonaliseerd federated learning-framework dat een Deep Deterministic Policy Gradient-agent gebruikt om modellen adaptief te aggregeren en een cliëntspecifieke autoencoder-decoder om effectief niet-IID en klasse-ongebalanceerde IIoT-verkeer aan te pakken, wat de detectieprestaties voor zeldzame aanvalsklassen aanzienlijk verbetert terwijl de gegevensprivacy behouden blijft.

Junyi Hou, Wenzhong Yang, Yabo Yin, Shuying Xu2026-10-07
💻 informatica

The Structure of Research Careers in Computer Science: A Multidimensional Analysis of Productivity, Persistence, and Collaboration

Deze grootschalige longitudinale studie van bijna 4 miljoen computerwetenschappers onthult dat de waargenomen groei in individuele productiviteit feitelijk wordt gedreven door uitbreidende samenwerking, terwijl carrièretrajecten een duidelijk levenscycluspatroon volgen dat wordt gekenmerkt door een hoge vroege uitval, evoluerende auteurschapsrollen en de noodzaak voor multidimensionale evaluatie voorbij enkelvoudige bibliometrische indicatoren.

José María Cavero, Belén Vela2026-10-07
💻 informatica

PanoramicSplat: Scaling 3D Gaussian Splatting for Single-View Large-Scale Outdoor Reconstruction

PanoramicSplat is een nieuw 3D Gaussian Splatting-framework dat nauwkeurige reconstructie vanuit één enkel perspectief van grootschalige buitenomgevingen mogelijk maakt door panoramische supervisie, semantisch bewuste diepte-regularisatie en een radiaal gewogen fotometrische verliesfunctie te integreren, waarmee het de staat van de kunst bereikt op een nieuw geconstrueerde Google Earth Studio-benchmark.

Zijian Wu, Zhen Ye2026-10-07
💻 informatica

When Does Cross-Agent Peer Verification Detect Unfaithful Self- Reports? An Empirical Study of Real LLM Tool-Use Agent Trajectories

Deze empirische studie van werkelijke LLM-agenttrajecten onthult dat mechanismen voor cross-agent peer-verificatie, die steunen op gedeelde observaties in traditionele multi-agent-systemen, er niet in slagen ongetrouwe zelfrapportages te detecteren in settings met onafhankelijke uitvoering vanwege het gebrek aan gedeelde gebeurtenissen, waardoor een structurele randvoorwaarde wordt geïdentificeerd voor de toepasbaarheid van peer-gebaseerde vertrouwens- en reputatiemechanismen.

Vivek Garike2026-10-07
💻 informatica

UltraSAM-Based Left Ventricular Analysis with Local-Global Feature Fusion for Echocardiographic Cardiac Disease Classification

Deze studie stelt een hybride deep learning-framework voor dat op UltraSAM gebaseerde lokale feature-extractie integreert met Swin Transformer globale representaties, geoptimaliseerd via Ant Colony Optimization en temporeel gemodelleerd door LSTM, om een hoge nauwkeurigheid in de classificatie van hartziekten uit echocardiografische video's te bereiken.

Abdulwahab Alazeb, Farhat Basir, Shaheryar Najam, Bayan Alabdullah, Mohammed Alonazi, Ahmad Jalal Jalal, Youngrok kim, K (…)2026-10-07