cs artigos | Gist.Science

Comparative Analysis of Machine Learning Models for Predicting Grid Stability Using Tabular and Transformer Architectures

Este estudo demonstra que um modelo de aprendizagem profunda baseado em transformer supera algoritmos clássicos de aprendizagem automática na previsão da estabilidade da rede elétrica, alcançando alta precisão tanto em tarefas de classificação binária quanto de regressão, ao mesmo tempo em que apoia metas globais de sustentabilidade para redes inteligentes resilientes.

ARUNKUMAR E, Lakshmi Priya M2026-06-25

💻 ciência da computação

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

Este estudo identifica que o menor contraste entre a lesão e o fundo em peles escuras cria uma sobreposição de classes estruturais, fazendo com que modelos de IA dermatológica superprevejam sistematicamente a malignidade e gerem encaminhamentos excessivos para pacientes de pele escura, um gargalo de equidade que persiste mesmo após corrigir distribuições de classes de confusão e que é melhor mitigado pelo balanceamento de classes por tom do que pela condicionamento de tom.

Aaron Ajit2026-06-25

💻 ciência da computação

Predictive Failure Detection in Data Warehouse Architectures Through Machine Learning

Esta pesquisa propõe uma estrutura de aprendizado de máquina que utiliza métodos de ensemble e IA explicável para prever falhas em data warehouses com até 15 minutos de antecedência por meio da análise de métricas do sistema, reduzindo, assim, o tempo de inatividade através da detecção proativa de anomalias e da análise automatizada de causa raiz.

Hendrik Robert2026-06-25

💻 ciência da computação

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

Através de uma investigação abrangente de Monte Carlo, este artigo demonstra que, embora o tamanho da amostra de treinamento seja o principal fator determinante da fidelidade da atribuição SHAP, os tratamentos comuns para desbalanceamento de classes frequentemente distorcem as classificações e magnitudes das características, levando os autores a recomendar a prevenção do rebalanceamento em favor da ponderação de classes quando a interpretabilidade SHAP é uma prioridade.

Rıdvan Kara2026-06-25

💻 ciência da computação

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

Este artigo introduz o CLHA, um método de agregação de Hessiano entre camadas para quantização pós-treinamento de Transformers de Mistura de Especialistas (Mixture-of-Experts) com pesos compartilhados que minimiza o erro total de reconstrução ao combinar estatísticas de Hessiano entre camadas compartilhadas, superando significativamente as abordagens de calibração por camada existentes e também abordando falhas críticas de implementação na estimativa de Hessiano.

Kunal Dhanda2026-06-25

💻 ciência da computação

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

Este artigo apresenta a Linguagem de Anotação Agêntica (AAL), um novo sistema de anotação in-band que permite a injeção de contexto Just-In-Time para agentes autônomos, reduzindo significativamente o consumo de tokens e a poluição de contexto em comparação com arquivos de regras globais tradicionais, mantendo uma alta conformidade com restrições específicas do domínio.

Jorge O Varona2026-06-25

💻 ciência da computação

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

Este artigo apresenta o primeiro estudo de generalização entre conjuntos de dados para a detecção de notícias falsas em urdu, revelando que um modelo treinado no conjunto de dados Ax-to-Grind falha catastroficamente quando aplicado ao conjunto de dados Notri-Fact devido a um confundimento sistemático de comprimento nos dados de treinamento que induz o aprendizado de atalhos, destacando, assim, falhas críticas nas práticas atuais de construção de conjuntos de dados e avaliação para o PLN de baixos recursos.

Muhammad Abdullah Haroon2026-06-25

💻 ciência da computação

Cascade Progressive Distilled Networks for Heterogeneous Tabular Data Classification

O artigo apresenta a Cascade Progressive Distilled Network (CPDN), uma nova estrutura de aprendizado profundo que aproveita a destilação de conhecimento de um professor CatBoost para superar problemas de estagnação de otimização e não diferenciabilidade, alcançando o estado da arte em desempenho de classificação em dados tabulares heterogêneos.

Alexander Viktorov2026-06-25

💻 ciência da computação

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

Este artigo demonstra que uma abordagem de treinamento centralizado com execução descentralizada (CTDE) utilizando QMIX supera significativamente o aprendizado Q independente (IQL) e as linhas de base não-RL na coordenação do carregamento de veículos elétricos em cidades inteligentes, alcançando taxas de aceitação e probabilidades de sucesso mais elevadas, enquanto gerencia efetivamente a observabilidade parcial e a dinâmica do tráfego.

Nour-Eddine Moumni2026-06-25

💻 ciência da computação

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

Esta revisão sistemática de 445 estudos recentes (2024–2026) identifica os híbridos CNN-Mamba como a arquitetura mais eficiente para imagem médica devido à sua complexidade computacional linear, ao mesmo tempo em que destaca desafios críticos, como a perda de informação espacial e o consumo de memória, que devem ser abordados por meio de blocos 3D nativos para permitir a integração clínica.

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

← Anterior Próximo →