💻 Category

cs

974 Arbeiten

💻 computer science

LLM-Augmented Decision Intelligence for Real-Time Supply Chain Risk Assessment: A Parameterized Simulation and FMEA-Based Framework

Dieses Paper präsentiert ein neuartiges, durch LLMs erweitertes Decision-Intelligence-Framework, das eine FMEA-basierte Risikokuantifizierung mit kontextueller Argumentation durch Large Language Models integriert, um eine statistisch signifikante, hochsensitive Echtzeit-Risikobewertung der Lieferkette zu erreichen, wie durch sowohl parametrisierte Simulationen als auch umfangreiche empirische Tests am DataCo Smart Supply Chain Datensatz validiert wurde.

Nikhil Reddy Donapati2026-07-07
💻 computer science

Exploring the Potential of Large Language Models for Counter Argument Generation

Dieses Paper führt ein neuartiges Korpus diplomatischer Gegenargumente aus Reden der UN-Generalversammlung (2005–2024) ein und evaluiert modernste Large Language Models unter Verwendung zeitlich ausgerichteter Fine-Tuning-Strategien, um einen systematischen Benchmark für die domänenübergreifende Generalisierung in der Generierung von Gegenargumenten zu etablieren.

Fatima Mumtaz, Sadaf Abdul Rauf, Saadia Ishtiaq Nauman, Muhammad Ghulam Abbas Malik, Muddesar Iqbal2026-07-07
💻 computer science

CUPID-Med: Conformal Uncertainty-aware Prototype Discovery for Clinically Interpretable Deep Medical Clustering

CUPID-Med ist ein neuartiges Framework, das konforme, unsicherheitsbewusste Prototypenentdeckung nutzt, um klinisch interpretierbare, mengenwertige Cluster-Vorhersagen mit kalibrierten Konfidenzwerten zu generieren, wobei es deterministische Baselines bei der Strukturierung unbeschrifteter medizinischer Bilddaten signifikant übertrifft.

Mojtaba Jahanian, Abbas Karimi, Nafiseh Osati Eraghi, Faraneh Zarafshan2026-07-07
💻 computer science

A 2-Layered Game-Theoretic Deep Learning Model for Predicting Lodging Demand: SHAP and Nash Equilibrium

Diese Studie schlägt ein erklärbares, zweischichtiges spieltheoretisches Deep-Learning-Framework vor, das SHAP für die Interpretierbarkeit von Merkmalen und das Nash-Gleichgewicht für die wettbewerbsorientierte Preisanalyse kombiniert, um traditionelle Modelle bei der Prognose der kurzfristigen Vermietungsnachfrage signifikant zu übertreffen.

Nasim Binesh, Kushi Vardhan Reddy Pasham, Atul Sheel, Debojyoti Seth, Gidon Jakar2026-07-07
💻 computer science

Enhancing INS/GNSS Performance with Smart Learning Estimator

Dieses Paper schlägt einen „Smart Learning Estimator“ (SLE) vor, einen durch Deep Learning erweiterten Kalman-Filter, der TGAN-, LSTM- und RWFNN-Architekturen kombiniert, welcher die Genauigkeit und Robustheit kostengünstiger INS/GNSS-Navigationssysteme während längerer GNSS-Signalausfälle signifikant verbessert, indem er die Einschränkungen traditioneller linearer Filter überwindet.

Reza Safvat, Jafar Keighobadi, Morteza H. Sadeghi, Hossein Nourmohammadi2026-07-07
💻 computer science

A Temporal Deep Feature Transfer Hybrid of LSTM and Gradient Boosting Machine for Multi Granularity Smart Grid Electricity Demand Forecasting

Dieses Paper schlägt TDF-LSTGBM vor, eine neuartige zweistufige Hybridarchitektur, die zeitliche Merkmale aus der vorletzten Schicht eines gestapelten LSTM extrahiert und diese mit Konsumenten- und Zeitattributen für ein Gradient Boosting Machine kombiniert, wodurch im Vergleich zu traditionellen LSTM- und ARIMA-Modellen eine signifikant höhere Genauigkeit bei der mehrgranularen Prognose des Strombedarfs im Smart Grid über fünf Konsumentenkategorien hinweg erreicht wird.

SambasivaRao Naraboina2026-07-07
💻 computer science

GraphGarment: Data-efficient Learning of Garment Dynamics from Minimal Real-world Data

GraphGarment ist ein dateneffizientes Sim-to-Real-Framework, das ein in der Simulation trainiertes Graph Neural Network mit einem leichtgewichtigen Residual-Korrektor kombiniert, um die Dynamik von Kleidungsstücken aus minimalen realen Daten präzise vorherzusagen und so ein robustes robotisches Aufhängen von Kleidung zu ermöglichen.

Wei Chen, Xiaoshuai Chen, Dongmyoung Lee, Kelin Li, Rui Zong, Petar Kormushev2026-07-07
💻 computer science

An Explainable Deep Learning Framework for Integrated Steel Microstructure Classification and Surface Defect Analysis

Diese Studie präsentiert ein vereinheitlichtes, erklärbares Deep-Learning-Framework, das eine auf ResNet50 basierende Mikrostrukturklassifizierung und eine auf YOLOv8 basierende Oberflächenfehlererkennung mit einer regelbasierten Schweregradabschätzung integriert, um eine robuste, interpretierbare und automatisierte Qualitätskontrolle für die Stahlproduktion zu ermöglichen.

Adisa Rasak, Samuel Ifada2026-07-07
💻 computer science

Algorithmic Penalty for Non-Native Voices: A Three-Arm Diagnostic Accuracy Audit of Five Commercial AI Text Detectors Against Pre-LLM Scientific Literature — Protocol for the AUDIT-AI Study

Die AUDIT-AI-Studie ist ein präregistriertes, dreiarmiges Audit zur diagnostischen Genauigkeit, das darauf ausgelegt ist, zu quantifizieren, ob kommerzielle KI-Textdetektoren wissenschaftliche Langformliteratur von Institutionen mit nicht-muttersprachlichem Englisch systematisch im Vergleich zu von Muttersprachlern verfassten Werken und verifizierten KI-Umschreibungen als KI-generiert missklassifizieren.

Adnan Agha, Eram Anwar2026-07-07