💻 Category

cs

2365 papers

💻 computer science

A distilled value head breaks search, but search remains an effective teacher, not a move selector: a case study in 19x19 Go

Deze studie toont aan dat hoewel het distilleren van een value head uit een sterke Go AI kan resulteren in een gekalibreerde maar niet-discriminerende evaluator die de MCTS-zoekprestaties doorbreekt, het zoekproces zelf een zeer effectieve leraar blijft, aangezien het trainen van de policy om MCTS-bezoekaantallen na te bootsen significante krachtwinst oplevert, ondanks het feit dat de zoekopdracht faalt in het selecteren van betere zetten tijdens de inferentie.

Taiki Kojima2026-08-11
💻 computer science

A Study on Failover Verification and Recovery Objective Prediction for Cross-Region Cloud Services

Deze studie presenteert een uitgebreid validatiekader voor failover dat foutinjectie, statusmonitoring en op DeepAR gebaseerde probabilistische voorspelling integreert om de hersteldoelstellingen van cross-regio cloudservices kwantitatief te beoordelen en te verbeteren, waarbij de mediane failovertijd succesvol werd verminderd van 31,4 naar 12,7 minuten, terwijl de dataconsistentie aanzienlijk werd verbeterd en secundaire defecten werden geminimaliseerd.

Zhipeng Hong, Sifeng Liang, Tianyi Xu, Huangyin Chen2026-08-11
💻 computer science

Deep Learning for Lesion Classification in CT Imaging: A Systematic Literature Review

Deze systematische literatuurreview van 57 studies (2020–2025) evalueert deep learning-benaderingen voor CT-laesieclassificatie, waarbij de superieure prestaties van hybride CNN-Transformer-architecturen en transfer learning worden benadrukt, terwijl kritieke tekortkomingen in datasetdiversiteit, externe validatie en klinische interpreteerbaarheid worden geïdentificeerd die momenteel wijdverbreide adoptie in de weg staan.

UMMEY HANY AINAN, NOR ANIZA ABDULLAH, K. A.S.H. KULATHILAKE, AZNUL QALID Md SA, JEANNIE WONG, KHIN WEE LAI, SUZAN J. OBA (…)2026-08-11
💻 computer science

VQD-CTS Prediction Model: An AI-Driven Framework for Predicting Cost-to-Serve Using Engineering Velocity, Quality, and Developer Experience

Het artikel introduceert het VQD-CTS Prediction Model, een door AI gedreven ensemble-regressiekader dat effectief de Cost-to-Serve voorspelt (R² = 0,885) door engineering-metrieken van Velocity, Quality en Developer Experience te synthetiseren, waardoor organisaties budgetten kunnen voorspellen en investeringen kunnen optimaliseren op basis van belangrijke drijfveren zoals codekomplexiteit en cyclustijd.

Basavaraj Chunchure, mantesh patil2026-08-11
💻 computer science

AutoRE-NS: An Explainable Neuro-Symbolic Reinforcement Learning Approach for Automated Requirements Engineering

AutoRE-NS is een uitlegbaar neuro-symbolisch reinforcement learning-framework dat de kwaliteit van industriële vereisten aanzienlijk verbetert door semantische analyse, formele validatie en adaptieve beleidsoptimalisatie te integreren om conflicten op te lossen, duplicaten te elimineren en metrieken zoals volledigheid en atomiciteit te verbeteren.

Basavaraj Chunchure, mantesh patil2026-08-11
💻 computer science

Generative Models for Signature Synthesis and Face Translation: A Comparative Study of VAE, GAN, Conditional GAN, and CycleGAN

Dit artikel presenteert een vergelijkende studie van Variational Autoencoders, Generative Adversarial Networks, Conditional GANs en CycleGANs op het gebied van handtekeningsynthese, dierengeneratie en gezicht-schetsvertaling, waarbij de respectievelijke prestatie-indicatoren, architecturale sterktes en veelvoorkomende trainingsuitdagingen worden belicht.

Laiba Ameer2026-08-11
💻 computer science

Comparative Evaluation of Vision Transformer, Hybrid CNN–MLP, and Transfer-Learned ResNet-18 for CIFAR-10 Image Classification

Deze studie evalueert de Vision Transformer, hybride CNN–MLP en transfer-learned ResNet-18 modellen op CIFAR-10, waarbij wordt vastgesteld dat hoewel de Vision Transformer betekenisvolle representaties leert, de transfer-learned ResNet-18 de hoogste nauwkeurigheid (88,7%) bereikt vanwege de voordelen van convolutionele inductieve biases en grootschalige pretraining in situaties met beperkte data.

Laiba Ameer2026-08-11
💻 computer science

Remaining Useful Life Estimation of Lithium-Ion Batteries: A Controlled Benchmark of Physics-Informed Features and Mamba-Based Architectures on CALCE CS2

Dit artikel presenteert een gecontroleerde benchmark op de CALCE CS2-data die aantoont dat een standaard GRU-model geavanceerdere Mamba-gebaseerde architecturen overtreft bij het voorspellen van de resterende levensduur van lithium-ion batterijen, waarbij het cruciale belang van natuurkundig geïnformeerde kenmerken zoals capaciteitsnormalisatie benadrukt terwijl wordt opgemerkt dat de huidige resultaten een evaluatie op basis van een oracle weerspiegelen in plaats van inzetbare prestaties.

Dikshant Dikshant, Praveen Kumar Agarwal2026-08-11