💻 Category

cs

2363 Arbeiten

💻 computer science

Auditing Curriculum-Order Representations in Educational AI: Held-Out Metadata-Transition Prediction in Synthetic and Oak Corpora

Diese Arbeit auditiert bildungsorientierte KI-Systeme mittels zeichenebener Sprachmodelle und stellt fest, dass diese zwar in der Lage sind, zurückgehaltene Lehrplanübergänge in synthetischen sowie realen Datensätzen erfolgreich vorherzusagen, diese Fähigkeit jedoch aus der Ausnutzung einer expliziten Metadaten-Faktorisierung statt aus einem semantischen Verständnis der Lektionsinhalte resultiert.

Tomoki Saka2026-08-10
💻 computer science

Integrating Triaxial IMU Sensors and Ensemble Learning for Effective Parkinson Disease Severity Classification

Diese Arbeit schlägt ein nicht-invasives System zur Klassifizierung des Schweregrads der Parkinson-Krankheit unter Verwendung von dreiachsigen IMU-Sensordaten und Ensemble-Learning vor und zeigt auf, dass das LightGBM-Modell mit einer Genauigkeit von etwa 97 % andere Algorithmen des maschinellen Lernens übertrifft.

Rehan Khan, Muhammad Junaid Asif, Rana Fayyaz Ahmad2026-08-10
💻 computer science

A Comprehensive Study of Supervised Machine Learning Models for Zero-Day Attack Detection: Analyzing Performance on Imbalanced Data

Diese Studie evaluiert fünf überwachte maschinelle Lernmodelle zur Erkennung von Zero-Day-Angriffen auf unbalancierten Daten und wählt letztlich XGBoost als die optimale Lösung aus, da es im Vergleich zum genaueren, aber langsameren Random Forest eine überlegene Balance zwischen hoher Genauigkeit und schneller Verarbeitungszeit aufweist.

Zahra Lotfi, Mostafa Lotfi2026-08-10
💻 computer science

Predicting Case Processing Duration in Kenyan Magistrate Courts: A Three-Stage Machine Learning Pipeline for Proactive Backlog Management

Diese Studie stellt eine dreistufige Machine-Learning-Pipeline vor, die an über 670.000 Fällen kenianischer Magistratsgerichte validiert wurde und LightGBM- sowie CatBoost-Modelle nutzt, um die Bearbeitungsdauer von Fällen vorherzusagen und am selben Tag abgeschlossene Fälle zu klassifizieren, wodurch ein proaktives Rückstaumanagement durch ein empirisch abgeleitetes Risikoschema und eine bereitgestellte Webanwendung ermöglicht wird.

Anuary Mulombi, Fidelis Mukudi, Anthony Mile2026-08-10
💻 computer science

Cross-Domain Transfer Learning for Brain Tumor Classification Under Limited MRI Data Regimes: A Fraction-Resolved Benchmark with Explicit Statistical and Methodological Caveats

Diese Studie zeigt auf, dass ein mit ImageNet vortrainiertes EfficientNet-B0 die zufällige Initialisierung bei der vierklassigen Klassifizierung von Hirntumor-MRT-Aufnahmen nur unter extremer Datenknappheit (5 % von 5.600 Bildern) signifikant übertrifft, während sie gleichzeitig kritische Einschränkungen wie potenzielle Patientenebene-Datenlecks und das Fehlen statistischer Signifikanz für die Vorteile des Transferlernens bei größeren Datenanteilen hervorhebt und letztlich gegen eine autonome Bereitstellung ohne weitere rigorose Validierung argumentiert.

Nakib Uddin Ahmed, Azizur Rahman, Mehjabin Ferdous, Md. Shahadat Hossain, Kadirur Rahman Chowdhury, Akhlak Uz Zaman Ashi (…)2026-08-10
💻 computer science

Comprehensive Analysis of Machine Learning Models for Five-Class Sleep Stage Classification Using PPG Signals

Diese Studie zeigt, dass ein Random-Forest-Modell, das kombinierte PPG- und Inter-Beat-Interval-Merkmale nutzt, eine genaue, interpretierbare und recheneffiziente Klassifizierung von fünf Schlafstadien aus tragbaren PPG-Signalen erreichen kann und somit eine praktikable Alternative zu ressourcenintensiven Deep-Learning-Ansätzen bietet.

Rafael Martins, Rita Ribeiro, Hugo Pereira, Vasco Silva, Alberto Freitas, Rute Almeida, Goreti Marreiros, Luís Conceição2026-08-10
💻 computer science

LDMFNet: A Lightweight Dual-Modal Fusion Network for Accurate Multispectral Object Detection

Das Papier schlägt LDMFNet vor, ein leichtgewichtiges dual-modales Fusionsnetzwerk, das ein Dual-Feature-Backbone und spezialisierte Aufmerksamkeitsmodule nutzt, um eine präzise und effiziente multispektrale Objekterkennung über verschiedene Datensätze hinweg zu erreichen und dabei bestehende Algorithmen in Bezug auf Präzision und Generalisierung zu übertreffen.

Dongping Cao, Guogang Li2026-08-10
💻 computer science

BMTransUNet: Boundary-Aware Gated Multimodal Transformer for Remote Sensing Semantic Segmentation

Das Papier schlägt BMTransUNet vor, ein grenzwertbewusstes, gesteuertes multimodales Transformer-U-Net, das RGB- und DSM-Daten durch adaptive Fusion, auf Vision-Transformern basierende Kontextmodellierung und kantenverstärkte Skip-Verbindungen integriert, um eine überlegene Genauigkeit der semantischen Segmentierung in Fernerkundungsbildern zu erreichen.

Xiaona Peng, Chengyun Liu, Yaping Zhao, Zhenyan Wang, Zhong Chen, Zhenxue Chen2026-08-10
💻 computer science

Scene-aware Transformer encoder with Multi Instance Learning-guided Attention Mechanism for Anomaly Detection in Video Surveillance

Dieses Paper schlägt das STAM-Framework vor, welches kontrastives Lernen für szenenbewusste Embeddings mit einem durch Multi-Instance-Learning-Attention gesteuerten Transformer-Encoder integriert, um die kontextuellen und temporalen Einschränkungen bei der Videonormabweichungserkennung effektiv zu adressieren und eine überlegene Genauigkeit auf Benchmark-Datensätzen zu erreichen.

Rifa Nizam Khan, Mohd. Amjad2026-08-10