💻 Category

cs

3790 Arbeiten

💻 Informatik

Speech and Voice Biomarkers for Parkinson’s disease Detection: A Systematic Review of Machine Learning and Deep Learning Models

Diese systematische Übersichtsarbeit analysiert Modelle des maschinellen Lernens und des tiefen Lernens, die auf Sprach- und Stimmbio-Marker zur Detektion der Parkinson-Krankheit angewendet werden, hebt deren hohe Genauigkeit hervor, während sie gleichzeitig aktuelle Herausforderungen wie Datenimbalanz und mangelnde Generalisierbarkeit adressiert und zukünftige Richtungen wie multimodale Integration und föderiertes Lernen für die klinische Implementierung vorschlägt.

Achal Rokade, Sachin Upadhye2026-10-06
💻 Informatik

Automating QuAL Scoring of Entrustable Professional Activity Narrative Feedback Across Residency Programs: A Locally Deployed Natural Language Processing Model

Diese Studie zeigt, dass ein lokal bereitgestelltes DeBERTa-v3-Modell zur Verarbeitung natürlicher Sprache die Qualität der Bewertung des Lernens (Quality of Assessment for Learning, QuAL) von narrativen Rückmeldungen zu vertrauenswürdigen beruflichen Tätigkeiten (Entrustable Professional Activities) über mehrere Residenzprogramme hinweg präzise und skalierbar automatisieren kann, wobei eine erhebliche Übereinstimmung mit menschlichen Wertern erreicht wird und gleichzeitig der Datenschutz gewahrt bleibt.

Tahereh Firoozi, Anna Oswald, Deena M. Hamza, Alicia C. Strand, Hollis Lai2026-10-06
💻 Informatik

Development of an Agentic Retrieval-Augmented Generation System with Hybrid Retrieval for Budget Planning and Validation

Diese Studie schlägt ein agentenbasiertes Retrieval-Augmented-Generation-System mit hybrider Abfrage für die Budgetplanung von KMU vor und zeigt durch eine vergleichende Evaluierung auf, dass ein routingbasiertes agentisches Workflow das optimale Gleichgewicht zwischen Abfragerqualität und faktischer Fundierung für eine evidenzbasierte Validierung bietet.

Devi Willieam Anggara, Muhammad Reffy Haykal, Mohd Shafry Mohd Rahim, Suhono Harso Supangkat, Lenny Putri Yulianti, Agil (…)2026-10-06
💻 Informatik

Beyond Task Intelligence: Artificial Intelligence, Embodied Robotics, and the Epistemic Limits of Machine Cultural Understanding

Dieses Papier argumentiert, dass die KI trotz ihrer überlegenen Aufgabenleistung die verkörperte, situierte und reflexive Natur menschlichen Wissens vermissen lässt, was eine Verschiebung der Bewertungsrahmen hin zur epistemischen Kompetenz und die Positionierung der Geisteswissenschaften als das essenzielle intellektuelle Umfeld für die Definition und Prüfung wahrer allgemeiner Intelligenz erforderlich macht.

Prudhvi Kumar Kanyadari2026-10-06
💻 Informatik

Ontology-Guided Citation Intent Classification for Interpretable Scholarly Information Discovery

Dieses Paper schlägt ein ontologiegestütztes Framework vor, das explizite semantische Merkmale aus der Citation Context and Reason Ontology (CCRO) mit kontextuellen Sprachrepräsentationen integriert, um eine interpretierbare Klassifizierung der Zitierintention zu ermöglichen, wobei eine Vorhersageleistung erzielt wird, die mit der eines feinabgestimmten SciBERT vergleichbar ist, während gleichzeitig transparente, instanzbasierte Audit-Trails für die Entdeckung wissenschaftlicher Informationen bereitgestellt werden.

Muhammad Bilal Rehman, Momina Mir, Shakir Ullah2026-10-06
💻 Informatik

Collapse or creativity - Hallucinations in recursive synthetic data generation

Diese Studie zeigt auf, dass das rekursive Training generativer KI auf synthetischen klinischen Daten innerhalb von fünf Generationen zu einem schnellen prädiktiven Kollaps führt, der durch einen Verlust an Diversität und intersektionaler Treue statt durch eine Unplausibilität auf Datensatzebene verursacht wird, während sie gleichzeitig hervorhebt, dass bestehende Halluzinationsmetriken oft irreführend sind, und für eine verbesserte Provenienz- und Qualitätsbewertung plädiert, um die Diversität realer Daten zu bewahren.

Vibeke Vallevik, Aleksandar Babic, Bjørn Edwin, Anne Kjersti Befring, Jan Nygård2026-10-06
💻 Informatik

WMGIN: Windowed Multi-Granularity Interpretable Network for Hard Landing Warning

Dieses Paper schlägt WMGIN vor, ein auf Self-Attention basierendes, multi-granulares interpretierbares Deep-Learning-Modell, das Multi-Scale-QAR-Daten durch fensterbasierte und schichtweise Fusionsstrategien verarbeitet, um Hard-Landing-Ereignisse präzise vorherzusagen und gleichzeitig die Interpretierbarkeit aufrechtzuerhalten.

Zemin Lin, Yonglian Li, Wei Li, Guolong Li, Zonghua Ye, Tian Zeng, Yan Liu, Zhifeng Wang2026-10-06
💻 Informatik

Explainable Artificial Intelligence-Based Maximum Power Point Voltage Prediction for Photovoltaic Systems under Varying Environmental Conditions

Dieses Paper schlägt ein Fine-Grained Attention-Aware Deep Learning (FGADL-MPPVP)-Modell vor, das eine aufmerksamkeitsbewusste residuele neuronale Architektur und einen Schedule-Free AdamW-Optimizer nutzt, um die Spannung des maximalen Leistungspunktes von Photovoltaiksystemen unter variierenden Umweltbedingungen präzise und interpretierbar vorherzusagen und dabei bestehende traditionelle sowie maschinelle Lerntechniken zu übertreffen.

N. Mangaleswari, V. Sivakami2026-10-06
💻 Informatik

A Cusp Catastrophe Model for Early Identifying Scientific Breakthroughs

Diese Studie schlägt ein theoretisch fundiertes Cusp-Katastrophen-Modell vor, das Wissen über Relevanz und Heterogenität nutzt, um die Früherkennung wissenschaftlicher Durchbrüche zu ermöglichen, und demonstriert dessen Wirksamkeit bei der Erfassung der Mehrheit transformativer Forschung in den Bereichen KI, Physik und Biomedizin.

Zhongyi Wang, Xue Zhao, Hanlin Shen, Jie Fang, Jin Zhang, Markus Luczak-Roesch, Haihua Chen2026-10-06