💻 Category

cs

3729 articoli

💻 informatica

Explainable and Uncertainty Aware Deep Learning for Concealed Prohibited Item Detection in Nonintrusive X-ray Inspection

Questo articolo introduce CAU-XInspect, un framework di deep learning spiegabile e consapevole dell'incertezza basato su YOLO26 che migliora significativamente il rilevamento di oggetti proibiti occultati nelle immagini a raggi X attraverso un nuovo modulo di potenziamento delle caratteristiche consapevole dell'occultamento, ottenendo prestazioni elevate sul benchmark PIDray pur evidenziando la necessità di un ulteriore adattamento del dominio prima dell'implementazione nel mondo reale.

Paul Kategaya Kisozi2026-10-20
💻 informatica

Beyond mIoU: A Deployment-Oriented Evaluation Framework for UAV Semantic Segmentation

Questo articolo propone un framework di valutazione completo e orientato alla distribuzione per la segmentazione semantica di UAV che va oltre i tradizionali parametri mIoU, integrando efficienza, robustezza, calibrazione e analisi dell'errore spaziale per guidare la selezione dei modelli ottimali per applicazioni pratiche.

Nadeem Gul, Meng Qin, Aamir Naveed Abbasi, Sichun Zheng, Gu Yuanyuan, Changqing Cao2026-10-20
💻 informatica

Zero-Trust, Zero-Knowledge: A Lightweight Blockchain and Federated Learning Framework for Privacy-Preserving IoT Device Authentication

Questo articolo propone un framework di autenticazione IoT leggero e che preserva la privacy, che integra i principi Zero-Trust Zero-Knowledge, l'apprendimento federato basato sul comportamento con la privacy differenziale e una blockchain Proof-of-Authority ad alto throughput per raggiungere un'accuratezza del 99,2% e una sicurezza robusta contro gli attacchi, mantenendo al contempo bassa latenza e costi ridotti.

Mohamed Koroma, Ibrahim Abdulai Sawaneh, Mohamed Syed Fofanah, Maurice Sesay2026-10-20
💻 informatica

Comparative Evaluation of Machine Learning Models for Heart Disease Prediction: Performance, Calibration, Threshold Selection, and Explainability

Questo studio valuta cinque modelli di apprendimento automatico sul dataset Cleveland Heart Disease, riscontrando che la regressione logistica con una soglia calibrata di 0,552 ha ottenuto le migliori prestazioni (accuratezza dell'85,71% e ROC-AUC di 0,939) identificando al contempo i vasi principali, il tipo di dolore toracico e i risultati del test del tallio come predittori chiave, sebbene gli autori sottolineino la necessità di una validazione esterna prima di generalizzare tali risultati a popolazioni diverse.

Stanley Kirunda Dhakaba¹, Patience Atukunda¹, Anthony Bua²2026-10-20
💻 informatica

An Internet Search--Augmented Soft Prompt Tuning Framework for Explainable Resume Screening in Healthcare Recruitment

Questo studio presenta un framework di modello linguistico di grandi dimensioni basato su ricerca su internet aumentata e soft-prompt tuning che migliora significativamente l'accuratezza, la spiegabilità e l'efficienza dello screening dei curricula in ambito sanitario, integrando l'estrazione strutturata, il recupero mirato delle evidenze e regole esperte per dare priorità ai candidati qualificati mantenendo al contempo la supervisione umana.

Yanting Wu, Tianao Hu, Siyu Gu, Yilin Mao, Xingxing Cen2026-10-20
💻 informatica

Per-Node Performance and Memory Limits of LLM Inference on CPU-Only Edge Nodes

Questo articolo caratterizza le prestazioni e i vincoli di memoria dell'inferenza di LLM basata esclusivamente su CPU su nodi edge, rivelando che la larghezza di banda della memoria — e non il calcolo — è il collo di bottiglia primario e che la quantizzazione aumenta inaspettatamente l'uso della memoria durante l'esecuzione, rendendo necessario un nuovo modello di dimensionamento per una pianificazione accurata del deployment.

Yogesh Narayan Gaur, Manju Khanna2026-10-20
💻 informatica

A Scalable Framework for Longitudinal Surveillance of Research Evolution in Digital Medicine

Questo articolo presenta un nuovo framework scalabile per tracciare l'evoluzione della ricerca attraverso la letteratura biomedica eterogenea, il quale è stato applicato a 78.073 articoli nella medicina digitale per rivelare i cambiamenti di tendenza nel machine learning e nell'intelligenza artificiale generativa, dimostrando al contempo che molti apparenti declini nei temi sono artefatti dovuti a cambiamenti nelle fonti delle parole chiave piuttosto che a un genuino calo di interesse.

Yilun Liang, Gongbo Zhang, Casey Ta, Yilu Fang, Chunhua Weng2026-10-20
💻 informatica

Exact and near-duplicate symptom profiles inflate the reported performance of machine learning classifiers for diabetes: a leakage- aware re-evaluation of the UCI Early-Stage Diabetes dataset

Questo studio dimostra che le ampiamente riportate alte prestazioni dei classificatori di apprendimento automatico sul dataset UCI Early-Stage Diabetes sono significativamente gonfiate dal data leakage derivante da profili di sintomi esatti e quasi duplicati, rivelando che una rigorosa validazione incrociata raggruppata per profilo riduce sostanzialmente le stime di accuratezza e altera le classifiche dei modelli.

William Marin-Rodriguez, Daniel Andrade-Girón, Viviana Vellon-Flores, Enrique Diaz-Vega, Timoteo Solano-Armas2026-10-20