💻 Category

cs

2456 Arbeiten

💻 computer science

Selecting Performance-Representative Validation Sets for Developing Medical Image Segmentation Neural Networks

Dieses Paper schlägt eine neuartige Methode zur Auswahl eines kleinen, leistungsrepräsentativen Validierungsdatensatzes aus begrenzten medizinischen Bilddaten vor, um die Genauigkeit der Modellentwicklung zu verbessern, wobei durch Aufgaben der Prostata-Karzinom-MRT-Segmentierung nachgewiesen wird, dass dieser Ansatz Leistungsabschätzungen liefert, die signifikant näher an den wahren unabhängigen Ergebnissen liegen als herkömmliche Zufallspartitionierungen.

Xiangcen Wu, Wen Yan, Weixi Yi, Ester Bonmati, Yipeng Hu2026-07-07
💻 computer science

Design of an Efficient Object Detection Algorithm for Traffic Accident Recognition

Dieses Paper schlägt SDD-YOLO11n vor, ein leichtgewichtiges Objekterkennungsmodell für die Erkennung von Verkehrsunfällen, das eine ShuffleNetV2-Backbone, ein DW_ADown-Modul und ein DS_SENetV2-Modul integriert, um die Rechenkomplexität im Vergleich zum ursprünglichen YOLO11n und anderen gängigen Modellen signifikant zu reduzieren und gleichzeitig die Genauigkeit sowie die Echtzeitleistung zu verbessern.

Yongping Zheng, Dianzheng Xu, Feng Li, Bingqiang Huang, Haoyu Pei, Zhihua Huang, Xinjian Xiang2026-07-07
💻 computer science

Assigning and optimising airport ground-handling operations: an rVNS metaheuristic

Diese Arbeit präsentiert eine kooperative reduzierte Variable Neighbourhood Search (rVNS) Metaheuristik zur Optimierung des komplexen Multi-Trip Kapazitätsbeschränkten Fahrzeugrouting- und Zeitplanungs-Problems mit Zeitfenstern und Mahlzeitenpausen (MTCVRSPTW-MB) für Catering-Abläufe am Flughafen, wobei sie deren überlegene Effizienz und Kilometerreduktion gegenüber exakten Methoden bei realen Instanzen am San Francisco International Airport demonstriert.

Alexandre Dupaquis, Ronan Guivarch, Sandrine Mouysset, Daniel Ruiz, Vincent Charvillat, Frédéric Bouilhaguet2026-07-07
💻 computer science

Autonomous Research Assistant: An AI-Powered System for Automated Paper Discovery, Summarization, Domain Classification, and Citation Generation

Der Autonomous Research Assistant ist eine Full-Stack-KI-Webanwendung, die die Semantic Scholar API, einen feinabgestimmten Linear-SVM-Klassifikator und Google Gemini 2.5 Flash nutzt, um automatisch wissenschaftliche Arbeiten zu entdecken, zu klassifizieren, zusammenzufassen und zu zitieren und dadurch die Zeit für die manuelle Literaturrecherche um 70 % zu reduzieren.

Gnaneshwar Dontireddy, Yedukondalu Reddy, T. Narashimha Rao2026-07-07
💻 computer science

From Organizational Knowledge to AI Agent Memory: Empirical Validation of the SECI Model on the LongMemEval Benchmark

Diese Arbeit validiert empirisch die Anwendung des SECI-Wissenskreationsmodells auf das Gedächtnis von KI-Agenten, indem sie demonstriert, dass die Transformation von Gesprächshistorie in strukturiertes Wissen die bloße wortgetreue Speicherung bei Langzeitabrufaufgaben signifikant übertrifft, primär durch die Milderung der Truncation des Embedding-Fensters, die dazu führt, dass die Rohspeicherung etwa 90 % des Sitzungsinhalts verliert.

Dmitrij Żatuchin2026-07-07
💻 computer science

Adaptive Mutation Driven Harris Hawk Optimization Algorithm in Hybrid Flow Workshop Scheduling with Robotic Arm

Das Papier schlägt einen Adaptive Mutation Driven Harris Hawk Optimization (AMDHHO)-Algorithmus vor, der Levy-Flug und dynamische Mutationsstrategien integriert, um hybride Flow-Shop-Scheduling-Probleme mit Roboterarmen effektiv zu lösen, wobei signifikante Reduzierungen der maximalen Durchlaufzeit und der durchschnittlichen Wartezeit im Vergleich zu genetischen Algorithmen und ursprünglichen Zeitplänen nachgewiesen werden.

Bin Li2026-07-07
💻 computer science

Classification Fidelity of Large Language Models on Endodontic Items from the Turkish Dental Specialty Examination

Diese Studie evaluiert die Klassifikationsgüte von vier großen Sprachmodellen bei der Kategorisierung endodontologischer Prüfungsfragen über drei Bildungstaxonomien hinweg und zeigt auf, dass Modelle wie Gemini und DeepSeek zwar eine erhebliche Übereinstimmung für die Bloom- und SOLO-Taxonomien erreichen, jedoch alle Modelle mit der Miller-Pyramide Schwierigkeiten haben, was verdeutlicht, dass die Leistung von LLMs taxonomieabhängig und von der Antwortgenauigkeit verschieden ist.

Bilge Hakan Şen, Aslıhan Yekeler, Duygu Kürklü Arpaçay, Jülide Ocak, Oğuzhan Akkoçan2026-07-07
💻 computer science

A ResNet-50 Classifier with Grad-CAM and SHAP for Explainable Breast Cancer Detection in Dense Mammography: Comparison with Human Radiologist Performance

Diese Studie zeigt, dass ein mit Grad-CAM und SHAP-Erklärungen verbesserter ResNet-50-Klassifikator die Sensitivität menschlicher Radiologen bei der Erkennung von Brustkrebs in dichten Mammogrammen übertreffen kann, indem er eine Sensitivität von 72,2 % erreicht und gleichzeitig handlungsrelevante visuelle Einblicke liefert, um seinen Einsatz als Zweitlese-Werkzeug zu unterstützen, das Fälle mit hoher Konfidenz markiert und zweifelhafte Fälle an Kliniker delegiert.

Agostinho Sousa Pinto, António Abreu, Manuel Pérez Cota, Jerónimo Paiva, Laís Gabriele Vieira2026-07-07
💻 computer science

Civil aviation passenger traffic forecasting using a hybrid SSA and sparrow-search-optimized MLP-BP model

Diese Studie schlägt ein hybrides Prognosemodell vor, das die Singular Spectrum Analysis (SSA) zur Datendekomposition, ein mittels Backpropagation trainiertes Multilayer-Perzeptron (MLP-BP) zur Komponentenmodellierung und den Sparrow Search Algorithm (SpSA) zur Parameteroptimierung integriert und damit eine überlegene Genauigkeit bei der Vorhersage des Passagieraufkommens im chinesischen Zivilluftverkehr im Vergleich zu herkömmlichen Methoden demonstriert.

Tiantian Tang, Qingsong Liu, Sibo Wang, Zhongze Li, Baicheng Guo, Haolin Liu, Peixuan Duan, Haiwen Xu2026-07-07
💻 computer science

K-PSO Based Energy Aware Clustering Algorithm for Environmental Monitoring Wireless Sensor Networks

Diese Arbeit schlägt einen hybriden K-PSO-Clustering-Algorithmus vor, der K-Means und Partikelschwarmoptimierung kombiniert, um die Auswahl der Cluster-Heads in drahtlosen Sensornetzwerken zur Umweltüberwachung zu optimieren, wodurch die Energieeffizienz signifikant verbessert, die Netzwerklebensdauer verlängert und die Stabilität der Cluster-Heads im Vergleich zu traditionellen Methoden erhöht wird.

Ayobami Adedokun, Folasade Dahunsi, Jide Popoola2026-07-06