:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sharma, Raghav, Mehta, Manan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	https://arxiv.org/abs/2510.03859
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Small Language Models for Agentic Systems: A Survey of Architectures, Capabilities, and Deployment Trade offs
von: Sharma, Raghav, et al.
Veröffentlicht: (2025)

RLHF: A comprehensive Survey for Cultural, Multimodal and Low Latency Alignment Methods
von: Sharma, Raghav, et al.
Veröffentlicht: (2025)

XAI-SOH-FL: Enhancing SOH-FL with Adaptive Aggregation and Explainable AI for Intrusion Detection in Heterogeneous IoT
von: Aslam, Ambreen, et al.
Veröffentlicht: (2026)

Anomaly Detection for IoT Global Connectivity
von: Iglesias, Jesus Omaña, et al.
Veröffentlicht: (2025)

Explainable AI for Securing Healthcare in IoT-Integrated 6G Wireless Networks
von: Kaur, Navneet, et al.
Veröffentlicht: (2025)

Modeling Quantum Federated Autoencoder for Anomaly Detection in IoT Networks
von: Chaudhary, Devashish, et al.
Veröffentlicht: (2026)

An Efficient Unsupervised Federated Learning Approach for Anomaly Detection in Heterogeneous IoT Networks
von: Tajgardan, Mohsen, et al.
Veröffentlicht: (2026)

Digital Twin-Driven Communication-Efficient Federated Anomaly Detection for Industrial IoT
von: Belay, Mohammed Ayalew, et al.
Veröffentlicht: (2026)

Hybrid LLM-Enhanced Intrusion Detection for Zero-Day Threats in IoT Networks
von: Al-Hammouri, Mohammad F., et al.
Veröffentlicht: (2025)

LLM Assisted Anomaly Detection Service for Site Reliability Engineers: Enhancing Cloud Infrastructure Resilience
von: Jha, Nimesh, et al.
Veröffentlicht: (2025)

Federated Quantum Kernel Learning for Anomaly Detection in Multivariate IoT Time-Series
von: Chen, Kuan-Cheng, et al.
Veröffentlicht: (2025)

Federated PCA on Grassmann Manifold for IoT Anomaly Detection
von: Nguyen, Tung-Anh, et al.
Veröffentlicht: (2024)

Dealing with Uncertainty in Contextual Anomaly Detection
von: Bindini, Luca, et al.
Veröffentlicht: (2025)

Cyber-Physical Anomaly Detection in IoT-Enabled Smart Grids Using Machine Learning and Metaheuristic Feature Optimization
von: Alihodžić, Adis, et al.
Veröffentlicht: (2026)

Quantifying Catastrophic Forgetting in IoT Intrusion Detection Systems
von: Banerjee, Sourasekhar, et al.
Veröffentlicht: (2026)

Enhancing IoT Cyber Attack Detection in the Presence of Highly Imbalanced Data
von: Haque, Md. Ehsanul, et al.
Veröffentlicht: (2025)

LLM-Based Threat Detection and Prevention Framework for IoT Ecosystems
von: Otoum, Yazan, et al.
Veröffentlicht: (2025)

IoT Malware Network Traffic Detection using Deep Learning and GraphSAGE Models
von: Prajapati, Nikesh, et al.
Veröffentlicht: (2025)

Adaptive Composition of Machine Learning as a Service (MLaaS) for IoT Environments
von: Kanneganti, Deepak, et al.
Veröffentlicht: (2025)

DeepFeatIoT: Unifying Deep Learned, Randomized, and LLM Features for Enhanced IoT Time Series Sensor Data Classification in Smart Industries
von: Inan, Muhammad Sakib Khan, et al.
Veröffentlicht: (2025)

Efficient Post-Training Augmentation for Adaptive Inference in Heterogeneous and Distributed IoT Environments
von: Sponner, Max, et al.
Veröffentlicht: (2024)

Enhancing IoT-Botnet Detection using Variational Auto-encoder and Cost-Sensitive Learning: A Deep Learning Approach for Imbalanced Datasets
von: Wasswa, Hassan, et al.
Veröffentlicht: (2025)

Root Causing Prediction Anomalies Using Explainable AI
von: Vishnampet, Ramanathan, et al.
Veröffentlicht: (2024)

Enhancing IoT Intelligence: A Transformer-based Reinforcement Learning Methodology
von: Rjoub, Gaith, et al.
Veröffentlicht: (2024)

Explainable Anomaly Detection for Electric Vehicles Charging Stations
von: Cederle, Matteo, et al.
Veröffentlicht: (2025)

Towards Explainable Anomaly Detection in Shared Mobility Systems
von: Isgandarov, Elnur, et al.
Veröffentlicht: (2025)

Open Set Dandelion Network for IoT Intrusion Detection
von: Wu, Jiashu, et al.
Veröffentlicht: (2023)

DiCoRe: Enhancing Zero-shot Event Detection via Divergent-Convergent LLM Reasoning
von: Parekh, Tanmay, et al.
Veröffentlicht: (2025)

TemporalBench: A Benchmark for Evaluating LLM-Based Agents on Contextual and Event-Informed Time Series Tasks
von: Weng, Muyan, et al.
Veröffentlicht: (2026)

Out of Context: Reliability in Multimodal Anomaly Detection Requires Contextual Inference
von: Wilkinghoff, Kevin, et al.
Veröffentlicht: (2026)

From Static Benchmarks to Dynamic Protocol: Agent-Centric Text Anomaly Detection for Evaluating LLM Reasoning
von: Yoa, Seungdong, et al.
Veröffentlicht: (2026)

Knowledge-Augmented Explainable and Interpretable Learning for Anomaly Detection and Diagnosis
von: Atzmueller, Martin, et al.
Veröffentlicht: (2024)

ART: Adaptive Reasoning Trees for Explainable Claim Verification
von: Wadhwa, Sahil, et al.
Veröffentlicht: (2026)

Alignment For Performance Improvement in Conversation Bots
von: Garg, Raghav, et al.
Veröffentlicht: (2024)

LLM-Powered Text-Attributed Graph Anomaly Detection via Retrieval-Augmented Reasoning
von: Xu, Haoyan, et al.
Veröffentlicht: (2025)

Explainable Anomaly Detection for Industrial IoT Data Streams
von: Paupério, Ana Rita, et al.
Veröffentlicht: (2025)

LLM-ADAM: A Generalizable LLM Agent Framework for Pre-Print Anomaly Detection in Additive Manufacturing
von: Eslaminia, Ahmadreza, et al.
Veröffentlicht: (2026)

Enhancing Autonomous Online Intrusion Detection for IoT with Balanced Learning, Reliable Pseudo-Labels, and Lightweight Architectures
von: Afzaal, Hanzala, et al.
Veröffentlicht: (2026)

AIS-LLM: A Unified Framework for Maritime Trajectory Prediction, Anomaly Detection, and Collision Risk Assessment with Explainable Forecasting
von: Park, Hyobin, et al.
Veröffentlicht: (2025)

AnomalyLLM: Few-shot Anomaly Edge Detection for Dynamic Graphs using Large Language Models
von: Liu, Shuo, et al.
Veröffentlicht: (2024)