💻 Category

cs

2403 articoli

💻 computer science

Auditing Curriculum-Order Representations in Educational AI: Held-Out Metadata-Transition Prediction in Synthetic and Oak Corpora

Questo articolo sottopone a audit i sistemi di IA educativa utilizzando modelli linguistici a livello di carattere e scopre che, sebbene essi possano prevedere con successo le transizioni curriculari non incluse nei set di dati sintetici e reali, tale capacità deriva dallo sfruttamento della fattorizzazione esplicita dei metadati piuttosto che da una comprensione semantica del contenuto delle lezioni.

Tomoki Saka2026-08-10
💻 computer science

A Comprehensive Study of Supervised Machine Learning Models for Zero-Day Attack Detection: Analyzing Performance on Imbalanced Data

Questo studio valuta cinque modelli di apprendimento automatico supervisionato per il rilevamento di attacchi zero-day su dati sbilanciati, selezionando infine XGBoost come la soluzione ottimale grazie al suo superiore equilibrio tra alta precisione e velocità di elaborazione rispetto al più accurato ma più lento Random Forest.

Zahra Lotfi, Mostafa Lotfi2026-08-10
💻 computer science

Predicting Case Processing Duration in Kenyan Magistrate Courts: A Three-Stage Machine Learning Pipeline for Proactive Backlog Management

Questo studio introduce una pipeline di machine learning a tre stadi, validata su oltre 670.000 casi delle corti di magistratura keniote, che utilizza modelli LightGBM e CatBoost per prevedere le durate dell'elaborazione dei casi e classificare i processi conclusi in giornata, consentendo così una gestione proattiva dei carichi arretrati attraverso uno schema di rischio derivato empiricamente e un'applicazione web implementata.

Anuary Mulombi, Fidelis Mukudi, Anthony Mile2026-08-10
💻 computer science

Cross-Domain Transfer Learning for Brain Tumor Classification Under Limited MRI Data Regimes: A Fraction-Resolved Benchmark with Explicit Statistical and Methodological Caveats

Questo studio dimostra che l'EfficientNet-B0 pre-addestrata su ImageNet supera significativamente l'inizializzazione casuale per la classificazione di risonanze magnetiche di tumori cerebrali a quattro classi solo in condizioni di estrema scarsità di dati (5% di 5.600 immagini), evidenziando al contempo limitazioni critiche quali il potenziale data leakage a livello di paziente e la mancanza di significatività statistica dei benefici del transfer learning con frazioni di dati più ampie, sostenendo infine contro il deployment autonomo senza un'ulteriore rigorosa validazione.

Nakib Uddin Ahmed, Azizur Rahman, Mehjabin Ferdous, Md. Shahadat Hossain, Kadirur Rahman Chowdhury, Akhlak Uz Zaman Ashi (…)2026-08-10
💻 computer science

Comprehensive Analysis of Machine Learning Models for Five-Class Sleep Stage Classification Using PPG Signals

Questo studio dimostra che un modello Random Forest che utilizza caratteristiche combinate di PPG e dell'intervallo inter-battito può ottenere una classificazione delle fasi del sonto a cinque classi accurata, interpretabile e computazionalmente efficiente da segnali PPG indossabili, offrendo un'alternativa valida agli approcci di deep learning ad alta intensità di risorse.

Rafael Martins, Rita Ribeiro, Hugo Pereira, Vasco Silva, Alberto Freitas, Rute Almeida, Goreti Marreiros, Luís Conceição2026-08-10
💻 computer science

BMTransUNet: Boundary-Aware Gated Multimodal Transformer for Remote Sensing Semantic Segmentation

Il documento propone BMTransUNet, una U-Net Transformer multimodale con gating e consapevole dei bordi che integra dati RGB e DSM attraverso la fusione adattiva, la modellazione del contesto basata su Vision Transformer e connessioni skip potenziate dai bordi per raggiungere un'accuratezza superiore nella segmentazione semantica di immagini di telerilevamento.

Xiaona Peng, Chengyun Liu, Yaping Zhao, Zhenyan Wang, Zhong Chen, Zhenxue Chen2026-08-10
💻 computer science

Scene-aware Transformer encoder with Multi Instance Learning-guided Attention Mechanism for Anomaly Detection in Video Surveillance

Questo articolo propone il framework STAM, che integra l'apprendimento contrastivo per gli embedding sensibili al contesto con un encoder transformer guidato dall'attenzione Multi-Instance Learning, per affrontare efficacemente i limiti contestuali e temporali nel rilevamento delle anomalie nei video e raggiungere un'accuratezza superiore sui dataset di riferimento.

Rifa Nizam Khan, Mohd. Amjad2026-08-10