cs papers | Gist.Science

Process Element Annotation for MitigatingProcess Semantic Collapse: A Constraint-AwareDecomposition–Recomposition Approach

Dit artikel introduceert de constraint-bewuste Decomposition–Recomposition Process Element Annotation (DR-PEA) methode om Process Semantic Collapse in grote taalmodellen te mitigeren door ongestructureerde procestekst te transformeren naar gestandaardiseerde gestructureerde data via een driestaps pijplijn van semantische decompositie, procesrecompositie en constraint mapping, waarbij superieure prestaties worden behaald ten opzichte van bestaande baselines.

Zhihao Guo, Pan Pan, Wei Li, Faxu Guo, Jian Wang, Jianhua Zhang, Guomin Zhou2026-07-03

💻 computer science

Towards Trustworthy Breast Cancer Diagnosis: A Comparative Explainability Stability Study of DenseNet121 and Vision Transformers

Deze studie vergelijkt de classificatienauwkeurigheid en de uitlegbaarbaarheidsstabiliteit van DenseNet121 en Vision Transformer-modellen op histopathologische beelden van borstweefsel, waarbij een kritieke afweging wordt onthuld waarbij DenseNet121 een hogere nauwkeurigheid en gelokaliseerde verklaringen bereikt, terwijl de Vision Transformer een grotere robuustheid van verklaringen onder inputperturbaties vertoont.

Harsh Verma, Harish Kumar Shakya2026-07-03

💻 computer science

A Three-Phase Deep Learning Framework for Mine Reclamation: LSTM Prediction and DRL Control with Synthetic Data Validation Against African Soil Profiles

Deze studie presenteert een driefasig deep learning-framework dat LSTM-gebaseerde pH-voorspelling combineert met Deep Reinforcement Learning-besturing, gevalideerd tegen Afrikaanse bodemprofielen met behulp van synthetische gegevens, om een schaalbare en overdraagbare oplossing te bieden voor het optimaliseren van mijnbouwreclamatie in data-arme sub-Saharaanse regio's.

Daniel Agyekum Amakye2026-07-03✓ Author reviewed ⓘ

💻 computer science

A Deep Set-Based Aggregation Approach for Repeated Measurements: Insights from Variable-Length Wearable Device-Measured Physical Activity Data

Deze studie toont aan dat Deep Set-gebaseerde aggregatie die gebruikmaakt van zelf-aandacht beter presteert dan traditionele methoden bij het modelleren van variabel-lengte, hoogfrequente draagbare fysieke activiteitsgegevens, terwijl het suggereert dat eenvoudigere aggregatiestrategieën voldoende blijven voor stabielere, laagfrequente metingen.

Jaeyoung Park, Suyeon Kang, Ramakanth Yakkanti, Ausberto Velasquez Garcia2026-07-03

💻 computer science

AdapNet-IDS: A Self-Adapting, Interpretable Deep Learning Framework for Real-Time Intrusion Detection

Dit artikel presenteert AdapNet-IDS, een zelfaanpassend en interpreteerbaar deep learning-framework dat BiLSTM, self-attention en Elastic Weight Consolidation integreert om met hoge nauwkeurigheid en in real-time intrusiedetectie met continu leervermogen en transparante besluitvorming over diverse netwerkomgevingen heen te bereiken.

Nandhini Pari2026-07-03

💻 computer science

Closed-Loop Fairness and Privacy Optimization for Federated Text Classification under Non-IID Data

Dit artikel stelt FedMOJO voor, een gesloten collaboratief framework dat low-rank representatieleer, differentiële privacy en fairness-privacy optimalisatie integreert om effectief een balans te vinden tussen nut, groepsrechtvaardigheid en privacybehoud in federatieve tekstclassificatie onder non-IID data.

Lihong Guo, Mingkai Dai, Luogang Zhang, Chao Ma2026-07-02

💻 computer science

Node-Level Fault Monitoring in WSN using Deep Neural Networks with Real-Time Graph Mapping and Performance Analysis

Dit artikel stelt een deep learning-framework voor dat gebruikmaakt van CNN-, RNN- en LSTM-modellen om fouten op knooppertniveau in draadloze sensornetwerken te detecteren op basis van temporele kenmerken, gevalideerd door prestatie-indicatoren en gevisualiseerd via een real-time grafische interface.

Manjunatha A S, Venkatramana Bhat P, Ramakrishna M2026-07-02

💻 computer science

A transferable explainable and uncertainty-aware machine learning framework for water quality classification in data-scarce regions

Deze studie stelt een overdraagbaar, uitlegbaar en onzekerheidsbewust machine learning-raamwerk voor waterkwalificatieclassificatie in gebieden met schaarse gegevens voor, dat verschillende taakfamilies en robuuste modellering combineert om een voorzichtige, reproduceerbare besluitvormingsondersteunende tool te bieden in plaats van een blinde automatische classifier.

Mahoudo Fidèle ASSOGBA, Papin Sourou MONTCHO, Alhassane Diami DIALLO, Kossoko Babatoundé Audace DIDAVI, Adama Moussa SAK (…)2026-07-02

💻 computer science

A Hybrid Metaheuristic for the Family Capacitated Vehicle Routing Problem

Dit artikel introduceert ILS+SP, een hybride metaheuristiek die Iterated Local Search combineert met Set Partitioning post-optimalisatie, die de bestaande state-of-the-art methoden voor het oplossen van het Family Capacitated Vehicle Routing Problem aanzienlijk overtreft door bijna optimale oplossingen te bereiken op grootschalige benchmark-instanties.

Bruno Oliveira, Diogo Lima, Marcos Roboredo2026-07-02

💻 computer science

When Pooling Fails: An Information-Theoretic Ceiling on Object Grounding in Aggregated Planning Agents

Dit artikel bewijst dat op pooling gebaseerde plannende agenten te maken hebben met een onherleidbare, berekenbare bovengrens voor objectgronding die uitsluitend wordt bepaald door de embeddingdimensie en het aantal objecten, een structurele beperking die leidt tot identiteitsverlies ongeacht de modelcapaciteit of training.

Shoryavardhaan Gupta2026-07-02✓ Author reviewed ⓘ

← Vorige Volgende →