cs Arbeiten | Gist.Science

Continuous Degradation Representation Learning for Remaining Useful Life Prediction

Das Papier schlägt CoDeR vor, ein Framework zum Erlernen kontinuierlicher Degradationsrepräsentationen, das einen Dual-Axis Coupled Transformer Encoder und ein zeitbewusstes kontrastives Lernmodul integriert, um die Einschränkungen fragmentierter Repräsentationen in bestehenden Deep-Learning-Modellen zu überwinden und dadurch genauere Vorhersagen der verbleibenden Nutzlebensdauer für Aero-Triebwerke zu erreichen.

Wei Li, Ruitao Ning, Shilin He, Bo Li, Zhidong Zhang2026-07-14

💻 computer science

Rethinking Time Series with Kolmogorov-Arnold Networks: A Systematic Review

Diese systematische Übersicht bewertet die Eignung von Kolmogorov-Arnold-Netzwerken (KANs) für die Zeitreihenanalyse und kommt zu dem Schluss, dass sie zwar bei der interpretierbaren Kurzfristprognose mit glatten Mustern über verschiedene Domänen hinweg exzellieren, ihre derzeitige Anwendung jedoch durch heterogene Evidenz, Herausforderungen beim Umgang mit langfristigen Abhängigkeiten und Regimewechseln sowie die Notwendigkeit standardisierter Benchmarks und einer rigorosen Validierung der Interpretierbarkeit begrenzt wird.

Antoni Mól, Dariusz Jemielniak, Leon Ciechanowski2026-07-14

💻 computer science

GRAD-Net: A Unified Pathology-Guided Framework for Automated Diabetic Retinopathy Grading

Dieses Paper stellt GRAD-Net vor, ein vereinheitlichtes, pathologiegestütztes Deep-Learning-Framework, das läsionenbewusste Aufmerksamkeitsmechanismen und multiskalige Merkmalsaggregation integriert, um eine erstklassige Genauigkeit und klinische Interpretierbarkeit bei der automatisierten Graduierung der diabetischen Retinopathie zu erreichen.

Dhaval Modi, Falgun Thakkar2026-07-14

💻 computer science

CRC-LS-MOCBO: Safe multi-objective causal Bayesian optimization under uncertain causal structures

Dieses Paper stellt CRC-LS-MOCBO vor, ein sequenzielles multiobjektives kausales Bayes-Optimierungsframework, das durch die Integration von Kandidatengraph-Unsicherheit, stabilitätsgewichteten Priors und konformer Risikokalibrierung sichere Interventionen unter unsicheren kausalen Strukturen gewährleistet, um Verletzungen von Nebenbedingungen zu minimieren und gleichzeitig die Objektivgewinne zu maximieren.

Wu JunJie2026-07-14

💻 computer science

Low-Cost Real-Time Earthquake Detection and Early Warning System Using IoT, Embedded Machine Learning

Dieses Paper präsentiert ein kostengünstiges Echtzeit-Erdbebenwarnsystem, das IoT-Hardware (ESP32, GPS, GSM) und eingebettete maschinelle Lernmodelle nutzt, die auf historischen seismischen Daten trainiert wurden, um Muster zu erkennen und Nutzer selbst in Gebieten mit begrenzter Konnektivität sofort per SMS zu alarmieren.

Dinesh Katole, Salim A. Chavan2026-07-14

💻 computer science

HybridPII: A Tunable High-Recall Ensemble for Automated PII Detection and Privacy Risk Assessment in Compliance-Critical Applications

Dieses Paper stellt HybridPII vor, ein abstimmbares hybrides Ensemble-Modell, das gewichtete Regex und Multi-Modell-NER kombiniert, um eine überlegene Recall für die automatisierte PII-Erkennung zu erreichen, wobei insbesondere das kritische Bedürfnis adressiert wird, False Negatives in Compliance-kritischen Datenschutzanwendungen zu minimieren.

Soni Sweta, Arunabh Kshitij Kshitij2026-07-14

💻 computer science

Weak-topological neural operators for certificate-guided physical prediction

Dieses Paper führt Weak-Topological Neural Operators (WTNO) ein, ein Framework, das die Auswahl neuronaler Operatoren für partielle Differentialgleichungen verbessert, indem es Zustandsprädiktoren mit geometrischen, topologischen und schwach-maßtheoretischen Zertifikaten koppelt, um robuste physikalische Vorhersagen in Szenarien zu gewährleisten, die Grenzflächen, topologische Veränderungen und seltene Ereignisse beinhalten.

Hanji Du, Zhichao Deng, Zhongyi He, Feiyu Wang, Shuaiyu Jin2026-07-14

💻 computer science

Toward a Theory of Semantic Fixed Points: Evidence from Iterative Language Model Self-Refinement

Diese Studie liefert empirische Belege dafür, dass die iterative Selbstverfeinerung von Sprachmodellen konsistent gegen stabile semantische Fixpunkte über verschiedene Architekturen und Zielsetzungen hinweg konvergiert, was auf eine zugrunde liegende Energielandschaft hindeutet, in der Selbstverbesserung als ein impliziter Optimierungsprozess fungiert.

Som Subhro Nath2026-07-14

💻 computer science

Educational usability Analysis of WEKA and Orange for Learning Data Mining: A Task-Based Comparative Study with Students Feedback

Diese Studie evaluiert die pädagogische Gebrauchstauglichkeit von WEKA und Orange für Anfänger im Bereich Data Mining durch aufgabenbasierte Vergleiche und Studentenfeedback und kommt zu dem Schluss, dass Orange aufgrund seines intuitiven visuellen Workflows und der benutzerfreundlichen Oberfläche effektiver ist.

Shanta Islam2026-07-14

💻 computer science

From Programs to Predictions: A Scalable, Multilingual Platform for Automated Evaluation of Machine-Learning Olympiads

Dieses Paper stellt MLCompete vor, eine skalierbare, mehrsprachige Webplattform, die darauf ausgelegt ist, Machine-Learning-Olympiaden durch eine asynchrone, metrikagnostische Pipeline und eine sichere, zweistufige Ausführungsumgebung zu evaluieren, wobei sie ihre Robustheit und Zuverlässigkeit durch den erfolgreichen Einsatz bei der rumänischen Nationalen KI-Olympiade und internationaler Teilnahme demonstriert.

Robert-Mihai Colca, Rusu Dinu-Stefan, Mihai Nan2026-07-14

← Zurück Weiter →