💻 计算机科学
Use of Chaotic-Map-Based Steganography in OTA Updates
本文提出了一种安全的软件空中下载（SOTA）更新框架，该框架通过使用 AES-256-GCM 对软件二进制文件进行加密，并将其嵌入到利用混沌映射引导的最低有效位（LSB）隐写术生成的灰度图像中，从而隐藏有效载荷并防止篡改，以此增强 OTA 传输的安全性。
💻 Category
cs
4092 篇论文
💻 计算机科学
Predicting Vocabulary Acquisition in EFL Learners Using Machine Learning Models
本研究表明，虽然生成式人工智能在提升英语作为外语（EFL）学习者的词汇习得方面显著优于传统教学，但主要依赖语言指标的线性回归模型在预测这些学习增益方面，表现优于复杂的机器学习算法和行为指标。
💻 计算机科学
Quantum-Resilient Identity-Aware Communication for Edge IoT Using Self-Supervised DINOv2 and Graph-Siamese Learning
本文提出了一种面向边缘物联网的量子韧性且具备身份感知能力的通信架构，该架构利用冻结的 DINOv2 视觉编码器结合孪生网络与图神经网络，通过量化嵌入进行参与者验证，从而为远程呈现和远程医疗等关键应用确保安全、低延迟且带宽高效的会话。
💻 计算机科学
A Priority-Aware Intelligent Task Offloading Framework for Autonomous Vehicles in Vehicular Edge Computing Using Deep Reinforcement Learning
本文提出了一种用于车载边缘计算的 AI 驱动框架，该框架集成了用于优先级感知任务卸载的深度强化学习和用于资源预测的 LSTM，旨在动态优化任务执行并使响应时间比现有方法降低 31.2%。
💻 计算机科学
Explainable CNN for Automated Lung Opacity Detection Using Fine-Tuned VGG-19 with Grad-CAM
本研究提出了一种基于微调的 VGG-19 模型并结合 Grad-CAM 的可解释性自动肺部浑浊检测系统，该系统在 Kaggle 数据集上实现了 93% 的准确率，旨在为儿童肺炎的可靠诊断提供支持。
💻 计算机科学
Boundary-Gate Collaborative Enhancement GeoVis-GNN for Joint Segmentation and Label Recognition of Video Human-Object Interactions
本文提出了 BGCE-GeoVis-GNN，这是一个通过引入辅助边界模块和协同约束来增强视频人机交互联合分割与识别稳定性的新颖框架，旨在缓解由弱过渡引起的边界偏移和标签不连续问题，并在 MPHOI-72 和 CAD-120 数据集上实现了显著的性能提升。
💻 计算机科学
Columnar-Embedder: A Biologically Inspired Cortical Architecture for Binary Sparse Distributed Graph Representations
本文介绍了 Columnar-Embedder，这是一种受生物启发而设计的架构，它利用流式随机游走上的局部赫布学习（Hebbian learning）来生成鲁棒的、二进制稀疏分布式图表示，能够在无需反向传播且不受灾难性遗忘影响的情况下，在节点分类和链路预测任务中表现出具有竞争力的性能。
💻 计算机科学
ViTone: A Diagnostic Benchmark for Tonal Faithfulness in Vietnamese Text-to-Speech
本文介绍了 ViTone，这是一个诊断基准和预注册评估协议，旨在通过结合最小对立对刺激、基于 ASR 校准的声调错误率（Tone Error Rate）以及针对基频（F0）和喉音化（laryngealisation）的线索级分析，直接评估越南语文本转语音系统中的声调忠实度，从而解决现有指标无法捕捉该语言对比性声调特征的局限性。
💻 计算机科学
Automatic Hint Generation and Evaluation for Reasoning Questions
本文通过比较三种模型下的四种提示策略，利用一套新的指标体系评估提示质量，并证明了由指标引导的数据集合并在保持相关性并最小化答案泄露的同时，能持续提升收敛性和熟悉度，从而研究了针对推理任务中自动提示生成的语言大模型微调。
💻 计算机科学
TE-HQViT-Probs: Full-Probability Quantum Self-Attention Outperforms Expectation-Value Readout in Medical Image Classification.
本研究表明，在紧凑型混合量子自注意力模型中，利用全概率读取而非期望值测量，可以提高在特定数据集上的医学图像分类性能，这凸显了读取设计是一个关键的架构因素，同时也指出这些发现尚未确立量子优势或临床就绪性。