💻 Category

cs

2354 Arbeiten

💻 computer science

Evidence Constrained Agentic Retrieval Augmented Generation for Substation Civil Engineering Preliminary Design Documents in a Single Project Study

Dieses Paper schlägt EC-ARAG vor, ein evidenzbasiertes, agentenbasiertes Retrieval-Augmented-Generation-Framework, das durch die Integration von regelungskonformer Abfrage, Konfliktlösung und dualen Verifizierungsschleifen die Zuverlässigkeit, Konsistenz und Effizienz der vorläufigen Entwurfsgestaltung im Bereich des Umspannwerks-Bauingenieurwesens signifikant verbessert und konventionelle RAG-Systeme übertrifft.

Yizhang Huang, Xinhui Zhang2026-08-26
💻 computer science

Evaluation Pitfalls and Multimodal Baselines for the \dataset{} IoT Malware Dataset

Dieses Paper führt die ersten systematischen Baselines und Evaluierungsprotokolle für den CIC-YNU-IoTMal2026 multimodalen IoT-Malware-Datensatz ein und deckt dabei kritische Fallstricke wie Data Leakage durch zufällige Splits, hohe Miss-Raten für ruhende Proben unter leckagefreien Bedingungen sowie eine schwerwiegende Cross-Architecture-Fragilität auf, während es gleichzeitig demonstriert, dass letztlich die Wahl der Protokolle und nicht die Modellauswahl die berichtete Performance dominiert.

Xuetong Zhang, Yifei Xing, Zhibin Guo, Jianmin Li2026-08-26
💻 computer science

A Localization-Aware Heterogeneous CNN Ensemble with Neural Meta- Fusion for Plant Disease Classification, with a Component Analysis on Laboratory and Field Images

Dieses Paper präsentiert ein lokalisierungssensitives heterogenes CNN-Ensemble mit neuraler Meta-Fusion, das demonstriert, wie sich die kritischen Komponenten von Pipelines zur Klassifizierung von Pflanzenkrankheiten von der Ensemble-Breite und handgefertigten Deskriptoren in Laborumgebungen hin zu Blattlokalisierung und gelernter Fusion verschieben, wenn sie auf Feldaufnahmen angewendet werden, validiert durch rigorose Ablationsstudien sowohl auf den PlantVillage- als auch auf den PlantDoc-Datensätzen.

Ehsan Gaballah2026-08-26
💻 computer science

Hybrid 3D-CNN, Bi-LSTM, and Transformer-Based Framework for Anomaly Detection of Human Behaviour in Video Surveillance with Adaptive Error Minimization

Dieses Paper schlägt ein neuartiges hybrides Deep-Learning-Framework vor, das 3D-CNN-, Bi-LSTM- und Transformer-Architekturen mit einem adaptiven Schwellenwertmodul und einer Multi-Objective-Loss-Optimierung integriert, um durch eine signifikante Reduzierung von Fehlalarmen unter verschiedenen Umweltbedingungen eine hochmoderne Echtzeit-Anomalieerkennung in der Videoüberwachung zu erreichen.

Sameera yasam, Syed Ali Hussain, Vijaya Kumar Koppula2026-08-26
💻 computer science

CEGNN-Fraud: A Scalable Heterogeneous Temporal Graph Neural Network with Evidence-Constrained LLM Risk Reasoning

CEGNN-Fraud ist ein skalierbares heterogenes temporales Graph-Neurales-Netzwerk, das die Erkennung von Finanzbetrug durch ein ereignisbedingtes Zuverlässigkeitstor und ein beschränktes LLM für eine evidenzbasierte Risikoberichterstattung verbessert und eine überlegene Leistung in Bezug auf Genauigkeit, Robustheit und Generalisierung im Vergleich zu bestehenden Baselines demonstriert.

Yilin zhong2026-08-26
💻 computer science

A Framework for Dynamic Memory Management and Personalized Agent Decision-Making in Retrieval- Augmented Generation

Dieses Paper stellt DMAP-RAG vor, ein Framework, das die Retrieval-Augmented Generation durch die Integration einer baumstrukturierten Dual-Storage-Memory-Architektur und personalisierter Agenten-Entscheidungsfindung verbessert, um eine wettbewerbsfähige Leistung bei der Kohärenz in Mehrgesprächsdialogen und der Nutzerzufriedenheit zu erzielen.

Xiangguo Qian, Yong Xu, Chuqi Ma, Choon Kit Chan2026-08-26
💻 computer science

Brain tumor classification: A comparative analysis of deep learning techniques and impact of augmentation approaches on T1-CE MRI scans

Diese Arbeit präsentiert eine vergleichende Analyse von sieben vortrainierten Deep-Learning-Modellen auf T1-CE-MRT-Scans zur Klassifizierung von Hirntumoren und zeigt auf, dass VGG-16 unter Verwendung verschiedener Augmentierungstechniken und Optimierer die höchste Genauigkeit (92,45 %) erreicht, während Grad-CAM zur Verbesserung der Interpretierbarkeit des Modells eingesetzt wird.

Priyanka Sharma, Sakshi Ahuja2026-08-26
💻 computer science

A Self-Healing Architecture for Mitigating Bibliographic Hallucinations in LLM-Generated Academic Texts

Dieses Paper führt eine neuartige selbstheilende Architektur ein, die bibliografische Halluzinationen in von LLMs generierten akademischen Texten durch die Kombination von mehrschichtiger Verifizierung mit einem effizienten satzbasierten Verfeinerungsprozess autonom erkennt und mildert, wobei eine hohe Identifikationsgenauigkeit (0,96) erreicht und die Rechenkosten signifikant gesenkt werden, während gleichzeitig die wissenschaftliche Integrität gewährleistet wird.

Davide Tosi, Edoardo Crescenzo Mauriello, Andrea Utzeri2026-08-26
💻 computer science

When Evaluation Clarity Creates Algorithmic Anxiety: A Randomized Field Experiment of Explainable Fuzzy Assessment and Teacher Feedback Uptake

Ein randomisiertes Feldeperiment unter Beteiligung von 982 chinesischen Hochschuldozenten zeigt, dass erklärbares Fuzzy-KI-Feedback die prozedurale Fairness, das kalibrierte Vertrauen und die darauffolgende instruktionale Verbesserung im Vergleich zu traditionellen oder Black-Box-KI-Systemen signifikant steigert, primär durch die Klärung algorithmischer Unsicherheit und die Förderung der Feedback-Annahme.

Yiran Zhou2026-08-26
💻 computer science

A Validated Measurement Protocol for Comparable, Cost-Aware Software Testing Evaluation: A Reproducible Benchmark, an Oracle Sampling-Budget Guarantee, and a Real-Fault Validity Study, Instantiated for Quantum Programs

Dieses Paper führt ein validiertes, reproduzierbares Messprotokoll (QSQ-Bench und Q-EVAL) ein, das durch die Etablierung statistischer Oracle-Garantien und den Nachweis seiner Wirksamkeit durch eine umfassende Studie über Quantenprogramme und ein klassisches System vergleichbare, kostenbewusste und konstruktvalidierte Softwaretest-Evaluierungen gewährleistet.

Bhanwar Gupta, Sanjeev Rana2026-08-26