💻 Category

cs

2363 papers

💻 computer science

Target-Adaptive Probability Calibration for Reliable Student Risk Prediction under Cross-Module Dataset Shift

Deze studie toont aan dat het gebruik van bescheiden hoeveelheden historische data uit het doeldomein voor doeladaptieve probabilistische kalibratie de betrouwbaarheid en interpreteerbaarheid van AI-gebaseerde risicovoorspellingen voor studenten aanzienlijk verbetert in cursussen die te maken hebben met datasetverschuivingen, zonder de rangschikkingsprestaties aan te tasten.

Qiuying Li, Jianqiang Tan2026-08-20
💻 computer science

Mapping social determinants of health in NIH research funding with large language models

Deze studie toont aan dat gefinetunede grote taalmodellen, met name ModernBERT-base, traditionele trefwoordmethoden en zero-shot benaderingen aanzienlijk overtreffen bij het classificeren van sociale determinanten van gezondheid binnen NIH-beursnarratieven, waarbij het identificeren van drempelkalibratie als een cruciale strategie wordt aangewezen voor het aanpakken van labelonbalans.

Yuxin Zhao, Zhuo Chen2026-08-20
💻 computer science

Interventional Causal Structure Discovery for Domain-Invariant Operating-Condition Classification in Multimodal Robotic Manufacturing

Dit artikel introduceert het Interventional Causal Framework for Condition-Based Maintenance (IC-CBM), dat interventionele causale ontdekking en structurele residu-normalisatie benut om associatieve overfitting in multimodale robotische fabricage te overwinnen, waarbij robuuste, domein-invariante classificatie van operationele condities wordt bereikt met een significant verbeterde out-of-distribution nauwkeurigheid en precisie vergeleken met traditionele correlationele baselines.

Md Omar Al Javed, Matthew Taylor, Vivekanand Naikwadi, Ayantha Senanayaka2026-08-20
💻 computer science

Diagnosing Causal Credibility of Machine Learning Explanations: A Dual- SHAP Attribution Framework Applied to Social Survey Data

Dit artikel introduceert een dual-SHAP-framework dat onderscheid maakt tussen correlationele en causale relaties in machine learning-uitleg door conditionele en interventionele attributies te vergelijken, waarmee het zijn effectiviteit demonstreert in het diagnosticeren van causale geloofwaardigheid over diverse sociale enquête-uitkomsten heen.

Shidong Li2026-08-20
💻 computer science

Framework for Grounding Healthcare LLMs in a Causal Knowledge Graph: A Cardiovascular Example

Dit artikel stelt een reproduceerbaar, grafiek-gecentreerd evaluatiekader voor en valideert dit, dat gezondheidszorg-LLM's fundeert in een causale kennisgrafiek, waarbij via een cardiovasculaire pilot wordt aangetoond dat het integreren van causale beweringen in de modelcontext het redeneren over interventies, mechanismen en bewijs significant verbetert vergeleken met niet-gefundamenteerde benaderingen.

Ummara Mumtaz, Aimen Noor, Awais Ahmed2026-08-20
💻 computer science

Artificial Intelligence-Driven Flight Disruption Management: A Scoping Review and Critical Evidence Synthesis for Predictive Decision Support in Airline Operations Control Centers

Deze scoping review synthetiseert bewijs over door AI gedreven beheer van vluchtverstoringen, waarbij wordt onthuld dat hoewel voorspellende en wiskundige herstelmethoden volwassen zijn, er een kritiek gat blijft bestaan in het vertalen van hoogwaardige voorspellingen naar haalbare, uitlegbare en onzekerheidsbewuste besluitvormingsondersteuning voor realistische Airline Operations Control Centers.

Jamil Akhtar2026-08-20
💻 computer science

How Do Rendering Optimization Techniques Balance Visual Fidelity, Computational Performance, and Educational Usability in Virtual Reality Systems? A Systematic Review

Deze systematische review analyseert hoe rendering-optimalisatietechnieken de balans vinden tussen visuele getrouwheid, computationele prestaties en educatieve bruikbaarheid in virtual reality, waarbij wordt onthuld dat een stabiele hoge framerate-werking met matige detailgraad vaak effectiever het leren ondersteunt dan maximale realisme, terwijl tegelijkertijd kritieke tekortkomingen in cross-device benchmarks en educatie-specifieke validatie worden benadrukt.

Thom luis2026-08-20
💻 computer science

Demand Forecasting for Internet Bandwidth using Machine Learning to Enhance Resource Management in Nepal

Dit onderzoek stelt de ontwikkeling en implementatie voor van geavanceerde machine learning-modellen om de vraag naar internetbandbreedte in de Kathmandu-vallei in Nepal nauwkeurig te voorspellen, waardoor internetproviders hun toewijzing van middelen kunnen optimaliseren, netwerkcongestie kunnen verminderen en de algehele servicekwaliteit kunnen verbeteren door middel van datagestuurde besluitvorming.

Sachin Maharjan, Shankar Ghimire2026-08-20