💻 Category

cs

3730 articoli

💻 informatica

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

Questo articolo valuta cinque politiche di manutenzione del modello per il rilevamento delle frodi con carta di credito in presenza di concept drift, rivelando che, sebbene il riaddestramento frequente produca le prestazioni di rilevamento più elevate, un motore adattivo consapevole dei costi offre un equilibrio tra accuratezza e frequenza di riaddestramento senza necessariamente minimizzare i costi totali di adattamento.

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

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

Questo studio empirico rivela che l'accuratezza dell'analisi della causa radice basata su LLM nei microservizi è guidata principalmente dalla qualità delle prove estratte dalla sua pipeline sottostante piuttosto che dal modello stesso, evidenziando al contempo la significativa vulnerabilità del sistema a testi fuorvianti ed errori di temporizzazione.

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

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

Il documento introduce Credence, un framework di decomposizione delle affermazioni che sostituisce le metriche di sovrapposizione dei token con una valutazione basata sulla somiglianza semantica (Semantic-F1) e fornisce garanzie formali di convergenza per le pipeline di riparazione, dimostrando miglioramenti significativi nell'accuratezza della decomposizione e nell'affidabilità del fact-checking attraverso molteplici domini e modelli.

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

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

Questo articolo propone un framework ibrido spiegabile CNN-ViT che combina EfficientNet-B0 e ViT-Base/16 con meccanismi di attenzione per raggiungere un'accuratezza del 98,67% nella classificazione delle malattie delle foglie di caffè etiopi, offrendo una soluzione trasparente e ad alte prestazioni per l'agricoltura di precisione.

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

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

La quarta sfida autoPET/CT-IV dimostra che, sebbene i metodi di deep learning interattivi combinino efficacemente l'inferenza automatizzata con l'input dell'esperto per ottenere una segmentazione robusta delle lesioni di tutto il corpo attraverso diversi domini di imaging, la segmentazione longitudinale da scansioni accoppiate rimane significativamente più impegnativa a causa della variabilità temporale e anatomica.

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

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

Questo articolo introduce PowerGLUE, un benchmark completo e specifico per il dominio composto da 3.603 elementi distribuiti in sei settori chiave del settore elettrico e due categorie di task, progettato per valutare sistematicamente le capacità e i limiti dei grandi modelli linguistici nell'industria dell'energia elettrica.

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

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

Questo studio dimostra che i moduli di attenzione e di grafo leggeri non forniscono miglioramenti statisticamente significativi rispetto alle baseline identiche di ResNet ed EfficientNet per la classificazione di radiografie del torace a nove classi, mettendo in discussione la validità dei guadagni precedentemente riportati che spesso mancano di confronti statistici rigorosi su più seed e accoppiati.

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

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

Questo studio ha utilizzato lo strumento WEKA per valutare sette algoritmi di apprendimento automatico basati su alberi decisionali su un dataset di qualità dell'acqua di Kaggle, riscontrando che l'algoritmo Random Forest (RF) ha ottenuto la più alta prestazione predittiva con un tasso di classificazione corretta del 69,28% per distinguere l'acqua potabile sicura da quella non sicura.

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