cs papers | Gist.Science

Contrast-Induced Class Overlap as a Fairness Bottleneck in Dermatological AI: Evidence from HAM10000

Deze studie identificeert dat een lager contrast tussen laesie en achtergrond op een donkere huid een structurele klasseoverlap creëert, waardoor AI-dermatologische modellen systematisch maligniteit overvoorspellen en een overmaat aan verwijzingen genereren voor patiënten met een donkere huid, een eerlijkheidsbottleneck die persisteert zelfs na het corrigeren voor verstorende klassenverdelingen en die het best wordt gemitigeerd door per-toon klassebalancering in plaats van toonconditionering.

Aaron Ajit2026-06-25

💻 computer science

Predictive Failure Detection in Data Warehouse Architectures Through Machine Learning

Dit onderzoek stelt een machine learning-framework voor dat ensemblemethoden en uitlegbare AI benut om uitval van datawarehouses tot 15 minuten van tevoren te voorspellen door systeemmetrieken te analyseren, waardoor downtime wordt verminderd door proactieve anomaliedetectie en geautomatiseerde oorzaakanalyse.

Hendrik Robert2026-06-25

💻 computer science

How Class Imbalance Treatments Distort SHAP Attribution Fidelity: A Monte Carlo Investigation of Ranking and Magnitude Errors

Door middel van een uitgebreid Monte Carlo-onderzoek toont dit artikel aan dat hoewel de omvang van de trainingssteekproef de belangrijkste drijfveer is voor de getrouwheid van SHAP-attributie, veelgebruikte behandelingen voor klassenimbalans vaak de rangschikking en grootte van kenmerken verstoren, wat de auteurs ertoe aanzet om het vermijden van herbalancering aan te bevelen ten gunste van klasseweging wanneer SHAP-interpreteerbaarheid een prioriteit is.

Rıdvan Kara2026-06-25

💻 computer science

CLHA: Cross-Layer Hessian Aggregation for Quantizing Weight-Shared Mixture-of-Experts Transformers

Dit artikel introduceert CLHA, een cross-layer Hessian-aggregatiemethode voor post-training kwantisatie van gewichtsgedeelde Mixture-of-Experts transformers die de totale reconstructiefout minimaliseert door Hessian-statistieken over gedeelde lagen te combineren, waarbij het bestaande per-layer kalibratiebenaderingen aanzienlijk overtreft en tegelijkertijd kritieke implementatiefouten in Hessian-schatting aanpakt.

Kunal Dhanda2026-06-25

💻 computer science

AAL: In-Band Source Annotations for Just-In-Time Context Injection in Autonomous Agentic Workflows

Dit artikel introduceert de Agentic Annotation Language (AAL), een nieuw in-band annotatiesysteem dat Just-In-Time contextinjectie voor autonome agenten mogelijk maakt, waardoor het tokenverbruik en de contextvervuiling aanzienlijk worden verminderd in vergelijking met traditionele globale regelbestanden, terwijl een hoge mate van naleving van domeinspecifieke beperkingen behouden blijft.

Jorge O Varona2026-06-25

💻 computer science

Cross-Dataset Generalization in Urdu Fake News Detection: An Empirical Study with XLM-RoBERTa and a Length Confound Analysis

Dit artikel presenteert de eerste cross-dataset generalisatiestudie voor het detecteren van nepnieuws in het Urdu, waarbij wordt onthuld dat een model dat getraind is op de Ax-to-Grind-dataset catastrofaal faalt wanneer het wordt toegepast op de Notri-Fact-dataset vanwege een systematische lengte-confound in de trainingsdata die shortcut learning induceert, waardoor kritieke gebreken in de huidige datasetconstructie en evaluatiepraktijken voor laag-resource NLP worden benadrukt.

Muhammad Abdullah Haroon2026-06-25

💻 computer science

Cascade Progressive Distilled Networks for Heterogeneous Tabular Data Classification

Het artikel introduceert het Cascade Progressive Distilled Network (CPDN), een nieuw deep learning-framework dat kennisdistillatie van een CatBoost-leraar benut om optimalisatiestagnatie en niet-differentieerbaarheidsproblemen te overwinnen, waarmee het een state-of-the-art classificatieprestatie bereikt op heterogene tabulaire data.

Alexander Viktorov2026-06-25

💻 computer science

Human-Centric Cooperative MARL for Reliable EV Charging Coordination in Smart Cities: A Controlled Multi-Seed Comparison of Centralised and Decentralised Training

Dit artikel toont aan dat een centrale training met gedecentraliseerde uitvoering (CTDE) aanpak gebruikmakend van QMIX significant beter presteert dan independent Q-learning (IQL) en non-RL baselines bij het coördineren van het opladen van elektrische voertuigen binnen smart cities, waarbij hogere acceptatiegraden en succespercentages worden bereikt terwijl partiële observeerbaarheid en verkeersdynamiek effectief worden beheerd.

Nour-Eddine Moumni2026-06-25

💻 computer science

Selective State Space Models in Medical Imaging: A Systematic Review of Mamba-Based Architectures and Clinical Applications

Deze systematische review van 445 recente studies (2024–2026) identificeert CNN-Mamba-hybriden als de meest efficiënte architectuur voor medische beeldvorming vanwege hun lineaire computationele complexiteit, terwijl het kritieke uitdagingen zoals verlies van ruimtelijke informatie en geheugengebruik benadrukt die moeten worden aangepakt via native 3D-blokken om klinische integratie mogelijk te maken.

Ali Emre Gök, Mustafa Yurdakul, Şakir Taşdemir2026-06-25

💻 computer science

Hybrid Intrusion Detection System for IoT and Cloud Environments

Dit artikel stelt een hybride intrusiedetectiekader voor en evalueert dit, dat supervised learning (Random Forest en XGBoost) combineert met een op een LSTM-autoencoder gebaseerd anomaliedetectiemodel op uitgelijnde IoT- en clouddatasets, waarbij wordt aangetoond dat hoewel deze aanpak de detectierobustheid en recall voor onbekende aanvallen aanzienlijk verbetert, het een afruil vereist met een toename van het aantal fout-positieven en een vermindering van de precisie.

Dipo Dunsin, Raju Molla, Alireza Esfahani2026-06-25

← Vorige Volgende →