3775 Arbeiten
Dieses Papier analysiert die Chancen und strukturellen Herausforderungen der Integration von KI in SAP-ERP-Systeme und plädiert für eine Zwei-Wege-Implementierungsstrategie, die durch Datenbereitschaft und einen nachhaltigen Governance-Rahmen die Kernstabilität mit adaptiver Intelligenz in Einklang bringt.
Dieses Paper schlägt ein neuartiges Framework vor, das SAP-Technologien mit fortgeschrittener Analytik integriert, um hochfrequente, heterogene Lagerdaten in Echtzeit zu korrelieren und dadurch proaktive Entscheidungsfindung sowie signifikante Verbesserungen der operativen KPIs zu ermöglichen.
Diese Studie etabliert ein reproduzierbares Protokoll für den Vergleich von Metaheuristik-Optimierern (SCQ-SSA, PSO und ARO) bei der Abstimmung eines Bi-LSTM-DRN für die Erkennung von Netzwerkintrusionen, wobei sie aufzeigt, dass SCQ-SSA zwar leicht höhere Metriken erreichte, die Unterschiede jedoch statistisch nicht signifikant waren und das Modell letztlich hinter einer Random-Forest-Baseline zurückblieb, was den Wert des Evaluierungsrahmens gegenüber den spezifischen Klassifizierungsergebnissen hervorhebt.
Diese Studie zeigt, dass die scheinbare Erholung von Instruktionsverstößen in einer Zwei-Agenten-Sprachmodellschleife oft lediglich die wortgetreue Reproduktion zuvor generierter Texte ist, statt einer echten Regelanwendung, was verdeutlicht, dass Feedback-Richtlinien primär den Textfluss diktieren, während wahre Befolgung die Fähigkeit eines Agenten erfordert, neue Inhalte zu komponieren.
Dieses Paper schlägt das Adaptive Hierarchical Clustering and Regression with Genetic Algorithm (AHCR-GA) vor, um drahtlose Sensornetzwerke für Anwendungen im Gesundheitswesen zu optimieren, wobei durch dynamisches Clustering und auf maschinellem Lernen basierende Vorhersage signifikante Reduzierungen des Energieverbrauchs und der Latenz bei gleichzeitiger Verlängerung der Netzwerklebensdauer und Aufrechterhaltung einer hohen Datengenauigkeit erreicht werden.
Diese Arbeit präsentiert eine strukturierte Vergleichsanalyse von Open-Source- (LLaMA-basierten) gegenüber proprietären LLM-Architekturen in KI-Lebenslaufgeneratoren, wobei dokumentierte Kompromisse über fünf Schlüsseldimensionen hinweg analysiert werden, um einen Rahmen für die Systemauswahl bereitzustellen und gleichzeitig Lücken in der architektonischen Transparenz hervorzuheben.
Diese Arbeit befasst sich mit der Herausforderung, Einzelhandels-Transaktionsdaten durch die Anwendung von K-Means-Clustering auf einen RFM-basierten Datensatz von 4.338 britischen Kunden in handlungsrelevante Erkenntnisse umzuwandeln, wobei zwei distinkte Segmente aufzeigt und gleichzeitig methodische Einschränkungen sowie ethische Erwägungen kritisch untersucht.
Dieses Paper schlägt ein leichtgewichtiges, sicherheitsorientiertes Framework für die Telemedizin vor, das symmetrische homomorphe Verschlüsselung mit einer gruppenzentrierten Abfragestrategie kombiniert, um eine effiziente, datenschutzwahrende Suche in medizinischen Datensätzen mit reduzierten Rechenkosten und verbesserten Antwortzeiten für groß angelegte Datensätze zu erreichen.
Dieses Paper schlägt WASP vor, ein leichtgewichtiges und trainingsfreies Online-Scheduling-Framework, das durch adaptive lastbasierte Scoring-Verfahren und robuste Aufgabenakzeptanz-Richtlinien die Ziele Profit, Latenz, Energie und Sicherheit dynamisch ausbalanciert und im Vergleich zu bestehenden State-of-the-Art-Methoden eine überlegene Leistung in UAV-gestützten Edge-Computing-Umgebungen demonstriert.
Dieses Papier präsentiert ein robustes Echtzeit-System zur Handgestenerkennung für Mensch-Maschine-Schnittstellen, das ein durch Channel-Pruning optimiertes und feinjustiertes YOLOv5s-Modell nutzt, um hohe Erkennungsgeschwindigkeiten von über 60 FPS sowie eine überlegene Genauigkeit zu erreichen, was eine nahtlose Steuerung von Multimedia-Anwendungen wie VLC und Spotify ermöglicht.