💻 Category

cs

3729 Arbeiten

💻 Informatik

Cost-Aware Adaptive Credit Card Fraud Detection Under Concept Drift: A Comparative Evaluation of Model-Maintenance Policies

Diese Arbeit bewertet fünf Modellwartungspolicies für die Kreditkartenbetrugserkennung unter Concept Drift und zeigt auf, dass, während häufiges Retraining die höchste Detektionsleistung erzielt, eine kostenbewusste adaptive Engine einen ausgewogenen Kompromiss zwischen Genauigkeit und Retraining-Frequenz bietet, ohne notwendigerweise die Gesamtkosten der Anpassung zu minimieren.

Sailee Abhale, Om Bhadange, Samarth Gayake, Jagdish Malkar2026-10-19
💻 Informatik

Where Does the Accuracy of LLM-Based Root-Cause Analysis Come From? An Empirical Study on Microservice Benchmarks

Diese empirische Studie zeigt auf, dass die Genauigkeit der LLM-basierten Ursachenanalyse in Microservices primär durch die Qualität der durch die zugrunde liegende Pipeline extrahierten Evidenz und nicht durch das Modell selbst bestimmt wird, während sie gleichzeitig die signifikante Anfälligkeit des Systems gegenüber irreführenden Texten und Zeitfehlern hervorhebt.

Muhammad Saad Hussain, Alishba Farrukh2026-10-19
💻 Informatik

CREDENCE: Claim Reduction for Decomposition & Enhanced Credibility - Semantic Metrics and Convergence Analysis

Das Paper stellt Credence vor, ein Framework zur Behauptungszerlegung, das Token-Überlappung-Metriken durch eine auf semantischer Ähnlichkeit basierende Evaluierung (Semantic-F1) ersetzt und formale Konvergenzgarantien für Reparatur-Pipelines bereitstellt, wobei es signifikante Verbesserungen der Zerlegungsgenauigkeit und der Zuverlässigkeit der Faktenprüfung über mehrere Domänen und Modelle hinweg demonstriert.

Huu Vu Phuong Tran, Duc Thuan Mai, Xuan Bach Le2026-10-19
💻 Informatik

An Explainable Hybrid CNN-ViT Framework for Ethiopian Coffee Leaf Disease Classification

Dieses Paper schlägt ein erklärbares hybrides CNN-ViT-Framework vor, das EfficientNet-B0 und ViT-Base/16 mit Aufmerksamkeitsmechanismen kombiniert, um eine Genauigkeit von 98,67 % bei der Klassifizierung von Krankheiten an äthiopischen Kaffeeblättern zu erreichen und somit eine transparente sowie hochperformante Lösung für die Präzisionslandwirtschaft anzubieten.

Hailu Gizachew YIRGA, Eshetie Gizachew Addisu, Tahayu Gizachew YIRGA2026-10-18
💻 Informatik

Interactive Lesion Segmentation in Whole-Body PET/CT and Longitudinal CT: The autoPET/CT-IV Challenge

Die vierte autoPET/CT-IV-Challenge zeigt, dass interaktive Deep-Learning-Methoden zwar automatisierte Inferenz effektiv mit Experteninput kombinieren, um eine robuste Ganzkörper-Läsionssegmentierung über verschiedene Bildgebungsdomänen hinweg zu erreichen, die longitudinale Segmentierung aus gepaarten Scans jedoch aufgrund zeitlicher und anatomischer Variabilität signifikant anspruchsvoller bleibt.

Pauline Ornela Megne Choudja, Jakob Dexl, Zdravko Marinov, Niels Rocholl, Temke Kohlbrandt, Antoine Sanner, Katharina Je (…)2026-10-18
💻 Informatik

PowerGLUE: A comprehensive benchmark for evaluating large language models in the electric power domain

Dieses Paper stellt PowerGLUE vor, einen umfassenden domänenspezifischen Benchmark bestehend aus 3.603 Items über sechs Kernsektoren der Energiewirtschaft und zwei Aufgabenkategorien hinweg, der darauf ausgelegt ist, die Fähigkeiten und Grenzen großer Sprachmodelle in der elektrischen Energiebranche systematisch zu evaluieren.

Cuiqi Zheng, Chengwei Peng, Shouyu Liang, Zhuojun Cai, Zhichen Peng, Zehong Chen2026-10-18
💻 Informatik

No gain from attention or graph modules in matched ResNet-50, ResNet-18, EfficientNet-B0 and MobileNetV2 baselines for nine-class chest radiographs

Diese Studie zeigt auf, dass leichte Attention- und Graph-Module im Vergleich zu identischen ResNet- und EfficientNet-Baselines bei der Klassifizierung von Thoraxröntgenaufnahmen mit neun Klassen keine statistisch signifikanten Verbesserungen liefern, was die Gültigkeit zuvor berichteter Gewinne infrage stellt, denen es oft an rigorosen Multi-Seed- und gepaarten statistischen Vergleichen mangelt.

Kui Wang, Rui Li, Yinzhen Li, Yazhou Zhang, Licong Wang, Xiaolei Tong, Qianwen Wang, Yong Feng, Dongsheng Rui, Shangzhi (…)2026-10-18
💻 Informatik

Evaluation of decision tree algorithms for predictive machine learning modelling of potable water quality

Diese Studie nutzte das WEKA-Tool, um sieben auf Entscheidungsbäumen basierende Algorithmen des maschinellen Lernens auf einem Kaggle-Wasserqualitätsdatensatz zu evaluieren, wobei festgestellt wurde, dass der Random Forest (RF)-Algorithmus mit einer korrekten Klassifizierungsrate von 69,28 % bei der Unterscheidung von sicherem und unsicherem Trinkwasser die höchste Vorhersageleistung erzielte.

Debabrata Roy, Abhiman Das, Soumendra Nath Talapatra, Subrata Sankar Bagchi2026-10-18