💻 Category

cs

2403 Arbeiten

💻 computer science

Adaptive Training Controller (ATC): An Autotuning Framework for CNN-Based Plastic Waste Classification Using the PLASTIC Dataset

Diese Arbeit adressiert die Herausforderung der Klassifizierung von Kunststoffabfällen durch die Einführung eines neuen domänenspezifischen PLASTIC-Datensatzes und schlägt den Adaptive Training Controller (ATC) vor, ein architektunabhängiges Autotuning-Framework, das bestehende Werkzeuge wie Optuna übertrifft, indem es mit ResNet101 eine Genauigkeit von bis zu 94,89 % erreicht und gleichzeitig den Bedarf an Rechenressourcen reduziert.

SHYAMASREE KARMAKAR, Sukanya Saha, Sunita Roy, Ranjan Mehera, Rajat Kumar Pal2026-07-28
💻 computer science

Can a Large Language Model Serve as the Missing Second Reviewer? Prominence Bias, Retrieval Effects, and a Confidence-Fabrication Gap in an Empirical Evaluation of Two Published Meta-Analyses

Diese empirische Auswertung zeigt, dass Large Language Models zwar echte Fehler identifizieren können, die menschlichen Prüfern entgangen sind, und die Recall-Rate von Studien bei Einsatz von Retrieval-Tools signifikant verbessern können, jedoch aufgrund anhaltender Probleme wie Prominenz-Bias, papierübergreifender Konfundierung und der Fabrikation nicht existenter Inkonsistenzen ein unzuverlässiger Ersatz für die menschliche Verifizierung bleiben.

Paul Fontelo2026-07-28
💻 computer science

Cyber-Physical Orchestration of Emergency Department Services Through a Bidirectional Digital Twin and a Deep Reinforcement Learning Agent: Architectural Design, In SilicoValidation, and Critical Analysis of Performance Under Demand Stress

Dieses Paper präsentiert und validiert eine cyber-physische Architektur, die einen bidirektionalen Digitalen Zwilling, einen Deep-Reinforcement-Learning-Agenten und eine Layer für erklärbare KI integriert, um die Disposition von Notfallaufnahmen zu optimieren, wobei signifikante Reduktionen der Spitzenbelegung unter hoher Belastung nachgewiesen und gleichzeitig spezifische Instrumentierungsartefakte im Validierungsprozess kritisch offengelegt und adressiert werden.

Joseph Javier Sánchez Acuña, Mario Anzures García2026-07-28
💻 computer science

The Machine Proposes. The Proof Disposes: Neuro-Symbolic Synthesis of Formally Verified Markov Usage Models from Natural Language Requirements

Dieses Paper stellt Neuro-Symbolic MBST vor, ein Framework, das die Synthese formal verifizierter Markov-Usage-Modelle aus natürlichen Sprachanforderungen durch die Integration von L*-Learning, grammatikbeschränkten LLMs und konvexer Optimierung automatisiert und dadurch eine hochpräzise Fehlererkennung sowie Abdeckung erreicht, die rein neuronale Baselines signifikant übertrifft, während gleichzeitig manuelle Modellierungsengpässe für sicherheitskritische Systeme eliminiert werden.

Nathan Ginting2026-07-28
💻 computer science

Interactive Query based Abnormal Events Synopsis Generation in Surveillance Video

Dieses Papier schlägt einen interaktiven, abfragebasierten Algorithmus zur Generierung von Zusammenfassungen abnormaler Ereignisse in Überwachungsvideos vor, der einen regelbasierten Klassifikator zur Handhabung komplexer Benutzerabfragen nutzt und eine „verbesserte Überlappungsrate“ als Metrik zur Evaluierung einführt, wobei er auf dem PETS09-Datensatz eine überlegene Genauigkeit und Qualität gegenüber bestehenden Methoden demonstriert.

Judi Vennila Thangaswamy, Balamurugan Vaniappan2026-07-28
💻 computer science

A Study on the Continuous Generation of Test Cases for Large Language Models with Project Memory

Dieses Paper schlägt einen auf LLMs basierenden Ansatz zur Testfallgenerierung vor, der durch ein Projektgedächtnis-Repository ergänzt wird, welches historische Daten und Release-Kontexte integriert, um die Risikoabdeckung signifikant zu verbessern, Duplikationen zu reduzieren und die Defekterkennung in groß angelegten Softwaresystemen zu erhöhen.

Yuxuan Li, Huichen Ma2026-07-28
💻 computer science

A Preliminary CNN Baseline for Breast Ultrasound Classification in MATLAB, with Exploratory IDC/ILC Labels: Toward Explainable Breast Imaging AI

Diese Arbeit etabliert eine vorläufige MATLAB-basierte CNN-Baseline für die binäre Klassifizierung von malignen gegenüber nicht-malignen Brustultraschallbildern unter Verwendung des BrEaST-Datensatzes, wobei eine verbesserte Testgenauigkeit erzielt wird, während die explorative Subtyp-Kennzeichnung und Erklärbarkeit explizit als zukünftige Forschungsrichtungen statt als validierte Ergebnisse formuliert werden.

ISHANI CHOVATIYA2026-07-28
💻 computer science

Modular Differentiable Explanations for Markov Disease Models: A Transparent Framework for Clinical Decision Support

Dieses Paper präsentiert ein modulares Framework für differenzierbare Programmierung, das Interpretierbarkeit direkt in ein Modell einer kontinuierlichen Zeit-Markow-Kette für die klinische Entscheidungsunterstützung integriert, indem es Übergangsraten in klinisch bedeutsame Faktoren zerlegt, deren Sensitivitäten mittels stochastischer automatischer Differenzierung berechnet und in Echtzeit nachvollziehbare Erklärungen in natürlicher Sprache generiert.

Virendra Kumar Tiwari2026-07-28
💻 computer science

Exploring Functional Shifts in Pos Tagging Across Various NLP Libraries: A Study of NLTK, spaCy and Textblob

Diese Studie vergleicht die Leistungsfähigkeit von NLTK, TextBlob und spaCy im Umgang mit Garden-Path-Sätzen, die durch Funktionsverschiebungen verursacht werden, wobei festgestellt wurde, dass spaCy die anderen beiden Bibliotheken in Bezug auf die syntaktische Genauigkeit signifikant übertrifft und Einblicke zur Verbesserung von NLP-Werkzeugen bietet, einschließlich solcher für afrikanische Sprachen.

Kayode Victor Amusan2026-07-28
💻 computer science

A Calibration-Aware Reference Architecture for Resilient Supply Chain Planning: Integrating Conformal Probabilistic Demand Forecasting with Scenario-Based Stochastic Vehicle Routing

Dieses Paper präsentiert eine Referenzarchitektur und eine Open-Source-Implementierung, die maschinelles Lernen und Operations Research in der Lieferkettenplanung durch die Integration von konformer probabilistischer Prognose mit szenariobasierter stochastischer Routenplanung überbrückt und durch einen synthetischen Backtest empirisch nachweist, dass unkalibrierte Quantilsprognosen zu erheblicher Unterdeckung und Out-of-Stock-Risiken führen, wodurch die Notwendigkeit kalibrierungsbewusster Schnittstellen für eine zuverlässige Entscheidungsunterstützung validiert wird.

Joseph Javier Sánchez Acuña2026-07-28