cs papers | Gist.Science

Learning-Based Heuristic Dynamic Path Planning Using a Hop- Aware Graph Neural Network and ConvGRU

Dit artikel stelt een op leren gebaseerde heuristiek voor voor dynamische padplanning die een hop-bewuste grafische neurale netwerk (HopGNN) integreert met een convolutionele gated recurrent unit (ConvGRU) om effectief multi-schaal ruimtelijke topologieën en temporele omgevingsveranderingen te vangen, waarbij superieure succespercentages en zoekefficiëntie wordt aangetoond ten opzichte van bestaande methoden zoals GCN-A*, GAT-A* en D* Lite in gesimuleerde rasteromgevingen.

Shijun Wang, Xingliu Hu, Haifei Si, Xinchen Shao, Xin Tong, Susu Gao, Tianhao Zhu2026-08-18

💻 computer science

A Multi-Model, Multi-Domain Benchmark of Large Language Model Agreement with Humans and with Each Other in Sentiment Classification

Dit artikel presenteert een multi-domein benchmark die vijf grote taalmodellen, een regelgebaseerde lexicon en een supervised transformer evalueert tegenover menselijke annotaties, waarbij wordt onthuld dat hoewel topmodellen zoals Claude Opus 4.7 en GPT-5.5 een sterke afstemming met mensen bereiken, er aanzienlijke onenigheid blijft bestaan tussen modellen en met menselijke labels—met name bij informele tekst—wat aantoont dat modelselectie de uitkomsten van sentimentclassificatie materieel beïnvloedt.

Aneesh K Sajan2026-08-18

💻 computer science

AST-Level Semantic Watermarking Framework for AI-Generated Code: Robust Provenance Attribution via Structural Invariants

Dit artikel stelt een nieuw, model-agnostisch watermerkraamwerk op AST-niveau voor dat cryptografisch verifieerbare handtekeningen inbedt in de syntactische topologie van door AI gegenereerde code via semantisch behoudende structurele mutaties, waarmee robuuste herkomsttoeschrijving wordt bereikt en bestaande tekstuele methoden aanzienlijk wordt overtroffen tegen veelvoorkomende codetransformaties zoals formattering, hernoeming en dead-code injectie.

Alamin Abubakar Nataala2026-08-18

💻 computer science

SHAP and LIME Explainability in Financial Machine Learning: A Systematic Review of Methods, Evaluation Gaps, and Barriers to Deployment

Deze systematische review van 297 studies onthult dat hoewel SHAP en LIME breed worden toegepast voor verklaarbaarheid in financiële machine learning—met name voor kredietmodellering—zij lijden onder een kritiek gebrek aan formele evaluatie, waarbij slechts 9,1% van de papers de kwaliteit van de verklaring beoordeelt, wat wijst op een dringende behoefte aan sterkere validatie- en implementatiestandaarden om naleving van regelgeving en vertrouwen te waarborgen.

Manpreet Singh, Akshatha Srikantha, Keshav Kaushik, Prajwal Bajpai2026-08-18

💻 computer science

Use of Chaotic-Map-Based Steganography in OTA Updates

Dit artikel stelt een veilig software over-the-air (SOTA) updateframework voor dat de beveiliging van OTA-transmissies verbetert door software-binaries te versleutelen met AES-256-GCM en deze in grijswaardenafbeeldingen in te bedden met behulp van chaos-map-gestuurde LSB-steganografie om de payload te maskeren en manipulatie te voorkomen.

Abdelnasser Mohamed, Ali Mohamed, Hussain Jad2026-08-18

💻 computer science

Predicting Vocabulary Acquisition in EFL Learners Using Machine Learning Models

Deze studie toont aan dat hoewel generatieve AI de woordenschatverwerving bij EFL-lezers aanzienlijk verbetert in vergelijking met conventionele instructie, lineaire regressiemodellen die primair steunen op linguïstische indicatoren complexe machine learning-algoritmen en gedragsmatige metrieken overtreffen in het voorspellen van deze leerwinsten.

Ahmed Braima, Jamal Hussien2026-08-18

💻 computer science

Quantum-Resilient Identity-Aware Communication for Edge IoT Using Self-Supervised DINOv2 and Graph-Siamese Learning

Dit artikel stelt een kwantumbestendige, identiteitsbewuste communicatiearchitectuur voor edge-IoT voor die gebruikmaakt van bevroren DINOv2 visuele encoders gecombineerd met Siamese en Graph Neural Networks om deelnemers te verifiëren via gekwantiseerde embeddings, wat veilige, lage-latentie en bandbreedte-efficiënte sessies waarborgt voor kritieke toepassingen zoals telepresence en verre zorg.

KUMARAN P, Balachander T2026-08-18

💻 computer science

A Priority-Aware Intelligent Task Offloading Framework for Autonomous Vehicles in Vehicular Edge Computing Using Deep Reinforcement Learning

Dit artikel stelt een door AI gedreven raamwerk voor Vehicular Edge Computing voor dat Deep Reinforcement Learning integreert voor prioriteitsbewuste taakoffloading en LSTM-gebaseerde resourcevoorspelling om de taakuitvoering dynamisch te optimaliseren en de responstijd met 31,2% te verminderen in vergelijking met bestaande methoden.

Sorayya Gharavi, Seyed Morteza Babamir2026-08-18

💻 computer science

Explainable CNN for Automated Lung Opacity Detection Using Fine-Tuned VGG-19 with Grad-CAM

Deze studie stelt een verklaarbaar geautomatiseerd systeem voor de detectie van longopaciteit voor, gebruikmakend van een gefinetuned VGG-19-model geïntegreerd met Grad-CAM, dat een nauwkeurigheid van 93% bereikt op een Kaggle-dataset om een betrouwbare pneumonie-diagnose bij kinderen te ondersteunen.

Kazi Abdul Mannan, Arifa Akter Shapla2026-08-18

💻 computer science

Boundary-Gate Collaborative Enhancement GeoVis-GNN for Joint Segmentation and Label Recognition of Video Human-Object Interactions

Dit artikel stelt BGCE-GeoVis-GNN voor, een nieuw raamwerk dat de stabiliteit van gezamenlijke video mens-object interactie segmentatie en herkenning verbetert door een hulp-grenstermijnmodule en collaboratieve beperkingen te introduceren om grensverschuivingen en labeldiscontinuïteiten veroorzaakt door zwakke transities te mitigeren, waarbij significante prestatieverbeteringen worden behaald op de MPHOI-72 en CAD-120 datasets.

Lele Yuan, Pengyu Liu, Kebin Jia, Yunjie Huang, Jiaqi Wang, Ziming An2026-08-18

← Vorige Volgende →