💻 Category

cs

4092 artigos

💻 ciência da computação

Drift-Aware Incremental Clustering for Cryptocurrency Rug-Pull Detection: An Empirical Comparison Against Periodic-Retrain Baselines on Real Ethereum Data

Este artigo avalia empiricamente uma abordagem de agrupamento incremental sensível ao desvio (drift-aware), adaptada da detecção de malware para identificar rug pulls de criptomoedas na Ethereum, constatando que, embora ofereça uma taxa de falsos positivos menor em alguns casos, um baseline supervisionado periodicamente retreinado acaba alcançando um desempenho geral mais alto e estável.

Jean Chrysostome NDAYISABYE2026-07-29
💻 ciência da computação

Dynamic Adaptive Fusion Model (DAFM) for Real-Time Oil Production Forecasting

Este estudo propõe o Modelo de Fusão Adaptativa Dinâmica (DAFM), um sistema de previsão inteligente em tempo real que integra dinamicamente Árvores de Decisão, Florestas Aleatórias, XGBoost e redes BiLSTM via mecanismos de portão adaptativo para superar as limitações de modelos estáticos, alcançando precisão superior (R² = 0,97) e inferência rápida para a previsão da produção de petróleo.

Fatna Said, Kai Zhang, Huaqing Zhang, Botao Jiao, Behzad Saberali, Edwin E Nyakila2026-07-29
💻 ciência da computação

ModernBERT-TR: A Modern Encoder Foundation Model for Turkish

O artigo apresenta o ModernBERT-TR, um codificador turco de 150 milhões de parâmetros pré-treinado do zero em 144,4 bilhões de tokens usando a arquitetura ModernBERT e um tokenizador personalizado, que supera significativamente os baselines turcos existentes e iguala modelos concorrentes maiores, apesar de ter sido treinado com substancialmente menos recursos.

Besher Alkurdi, Himmet Toprak Kesgin, Muzaffer Kaan Yuce, Mehmet Fatih Amasyali2026-07-29
💻 ciência da computação

DriftSense++: Spatially Adaptive Drift Management in Dynamic Spatial Crowdsourcing

O DriftSense++ é um framework dinâmico que aprimora a alocação de tarefas de crowdsourcing espacial ao empregar uma abordagem de malha fechada e consciente de regiões para detectar e gerenciar adaptativamente tanto o drift de dados quanto o de conceito, superando significativamente os métodos existentes em precisão, redução de alarmes falsos e velocidade de recuperação através de diversos conjuntos de dados do mundo real.

Md Mujibur Rahman, Quazi Mamun, Michael Bewong, Md Zahidul Islam2026-07-29
💻 ciência da computação

ICU Mortality and LOS Prediction Models Using Machine Learning Based on Both Real and Synthetic Data

Este estudo avalia modelos de aprendizado de máquina para prever a mortalidade e o tempo de permanência na UTI em hospitais etíopes usando dados reais e sintéticos, constatando que o treinamento híbrido com dados gerados por CTGAN supera significativamente outros métodos, apesar de seu alto custo computacional, ao mesmo tempo em que destaca a necessidade de oxigênio e a SpO2 como os preditores de mortalidade mais fortes.

Girma Neshir Alemneh, Hirut Bekele Ashagrie, Lemlem Kassa Tegegne2026-07-28
💻 ciência da computação

Orientation-Aware Mesh Learning via a Signed Half-Dihedral Scalar for Robust Shape Classification under Structural Perturbations

Este artigo propõe um método de aprendizado de malha orientado à orientação que utiliza um novo escalar diedro semissinalado para codificar a orientação local das faces, melhorando significamente a robustez e a precisão de classificação para formas 3D sob perturbações estruturais como cortes e fronteiras abertas em comparação com abordagens convencionais centradas em arestas.

Jong-Hyun Kim2026-07-28
💻 ciência da computação

Developing Multimodal Artificial Intelligence-Based Tool for Enhancing Clinical Decision- Making in Personalised Prostate Cancer Treatment

Este estudo retrospectivo desenvolveu e avaliou um sistema de suporte à decisão clínica multimodal baseado em IA, integrando dados demográficos, clínicos, genômicos e de imagem para aprimorar a previsão do tratamento personalizado do câncer de próstata em Brunei, demonstrando que uma arquitetura híbrida LSTM–Random Forest com fusão de estágio tardio alcançou um desempenho robusto (AUC 0,964), apesar das limitações relacionadas ao pequeno tamanho da amostra.

Hein Minn Tun, Lin Naing, Owais Ahmed Malik, Muhammad Syafiq Abdullah, Thu Ta, Hanif Abdul Rahman2026-07-28
💻 ciência da computação

Assessment of Machine Learning Algorithms for Detection of Forest Degradation in the Remote Sensing Data of Omo Forest Reserve

Este estudo demonstra que algoritmos de aprendizado de máquina, particularmente Classificadores de Vetores de Suporte, alcançam alta precisão (até 99%) na detecção de degradação florestal na Reserva Florestal de Omo, na Nigéria, utilizando dados de sensoriamento remoto, defendendo, assim, sua integração nas políticas nacionais de conservação para o manejo sustentável das florestas.

B. A. Babalogbon, O. O. Awotoye, O. J. Matthew, P. C. Odoh, D. E. Ekpa2026-07-28