💻 Category

cs

2460 Arbeiten

💻 computer science

How Class Imbalance Treatments Distort SHAP Attribution Fidelity: A Monte Carlo Investigation of Ranking and Magnitude Errors

Durch eine umfassende Monte-Carlo-Untersuchung zeigt diese Arbeit auf, dass die Stichprobengröße beim Training zwar der primäre Treiber für die Treue der SHAP-Attribution ist, gängige Behandlungen zur Klassengleichgewichtung jedoch häufig die Merkmalsrankings und -magnituden verzerren, was die Autoren dazu veranlasst, zugunsten von Klassengewichtung statt Rebalancing zu raten, wenn die SHAP-Interpretierbarkeit eine Priorität darstellt.

Rıdvan Kara2026-06-25
💻 computer science

CLHA: Cross-Layer Hessian Aggregation for Quantizing Weight-Shared Mixture-of-Experts Transformers

Dieses Paper führt CLHA ein, eine über Schichten hinweg aggregierende Hessian-Methode für die Post-Training-Quantisierung von gewichtsteilenden Mixture-of-Experts-Transformern, die den gesamten Rekonstruktionsfehler minimiert, indem sie Hessian-Statistiken über geteilte Schichten hinweg kombiniert, dabei bestehende pro Schicht erfolgende Kalibrierungsansätze signifikant übertrifft und gleichzeitig kritische Implementierungsfallen bei der Hessian-Schätzung adressiert.

Kunal Dhanda2026-06-25
💻 computer science

AAL: In-Band Source Annotations for Just-In-Time Context Injection in Autonomous Agentic Workflows

Dieses Paper stellt die Agentic Annotation Language (AAL) vor, ein neuartiges In-Band-Annotationssystem, das eine Just-In-Time-Kontextinjektion für autonome Agenten ermöglicht und im Vergleich zu herkömmlichen globalen Regeldateien den Tokenverbrauch sowie die Kontextkontamination signifikant reduziert, während es gleichzeitig eine hohe Compliance mit domänenspezifischen Constraints aufrechterhält.

Jorge O Varona2026-06-25
💻 computer science

Cross-Dataset Generalization in Urdu Fake News Detection: An Empirical Study with XLM-RoBERTa and a Length Confound Analysis

Diese Arbeit präsentiert die erste Cross-Dataset-Generalisierungsstudie für die Erkennung von Fake News in Urdu und zeigt auf, dass ein auf dem Ax-to-Grind-Datensatz trainiertes Modell beim Einsatz auf den Notri-Fact-Datensatz katastrophal versagt, was auf einen systematischen Längen-Confounder im Trainingsdatensatz zurückzuführen ist, der Shortcut-Learning induziert, wodurch kritische Mängel in der aktuellen Datensatzkonstruktion und Evaluierungspraxis für ressourcenarme NLP-Verfahren verdeutlicht werden.

Muhammad Abdullah Haroon2026-06-25
💻 computer science

Human-Centric Cooperative MARL for Reliable EV Charging Coordination in Smart Cities: A Controlled Multi-Seed Comparison of Centralised and Decentralised Training

Diese Arbeit zeigt, dass ein Ansatz des zentralisierten Trainings mit dezentraler Ausführung (CTDE) unter Verwendung von QMIX das unabhängige Q-Learning (IQL) sowie Nicht-RL-Baselines bei der Koordination des Ladens von Elektrofahrzeugen in Smart Cities signifikant übertrifft, wobei höhere Akzeptanzraten und Erfolgswahrscheinlichkeiten erzielt werden, während gleichzeitig Teilbeobachtbarkeit und Verkehrsdynamiken effektiv bewältigt werden.

Nour-Eddine Moumni2026-06-25
💻 computer science

Selective State Space Models in Medical Imaging: A Systematic Review of Mamba-Based Architectures and Clinical Applications

Diese systematische Übersicht über 445 aktuelle Studien (2024–2026) identifiziert CNN-Mamba-Hybride als die effizienteste Architektur für die medizinische Bildgebung aufgrund ihrer linearen Komplexität, während sie gleichzeitig kritische Herausforderungen wie den Verlust von räumlichen Informationen und den Speicherverbrauch hervorhebt, die durch native 3D-Blöcke adressiert werden müssen, um die klinische Integration zu ermöglichen.

Ali Emre Gök, Mustafa Yurdakul, Şakir Taşdemir2026-06-25
💻 computer science

Hybrid Intrusion Detection System for IoT and Cloud Environments

Diese Arbeit schlägt ein hybrides Intrusion-Detection-Framework vor und evaluiert dieses, welches überwachtes Lernen (Random Forest und XGBoost) mit einem auf einem LSTM-Autoencoder basierenden Anomalieerkennungsmodell auf abgestimmten IoT- und Cloud-Datensätzen kombiniert, wobei aufgezeigt wird, dass dieser Ansatz zwar die Robustheit der Erkennung und den Recall für unbekannte Angriffe signifikant verbessert, jedoch einen Kompromiss mit erhöhten Falsch-Positiv-Raten und reduzierter Präzision erfordert.

Dipo Dunsin, Raju Molla, Alireza Esfahani2026-06-25
💻 computer science

The Lightweight Cherry Tomato Fruit Maturity Detection Method Based on Improved YOLOv10n

Dieses Paper schlägt YOLOv10n-FBD vor, ein leichtgewichtiges Modell zur Erkennung des Reifegrades von Cherrytomaten, das CCFM-Feature-Fusion, PSA-BiFormer-Attention und eine C2f-Dual-Strategie integriert, um eine hohe Präzision (94,3 % mAP) und Geschwindigkeit (369 FPS) zu erreichen und gleichzeitig die Modellgröße sowie die Rechenkomplexität im Vergleich zu bestehenden Methoden signifikant zu reduzken.

Ji Cai, Shuaishuai Cui, Baofan Chen, Yuhao Hao, Kun Wang, Guozhu Song2026-06-25
💻 computer science

LSTM-Based Speech Recognition for Assamese: A Low-Resource Language Approach

Diese Studie schlägt ein LSTM-basiertes Spracherkennungssystem für die ressourcenarme Sprache Assamesisch vor, das einen selbst kuratierten Datensatz und hybride akustische Merkmale nutzt, um eine Genauigkeit von 95 % zu erreichen, während gleichzeitig die Herausforderungen durch phonetische Ähnlichkeiten zwischen Vokalen hervorgehoben werden.

Manash Choudhuri Choudhuri, Deepjyoti Kalita Kalita, Sanjib Kr Kalita Kalita2026-06-25