💻 Category

cs

974 papers

💻 computer science

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

Dit artikel presenteert een nieuw door LLM versterkt decision intelligence-framework dat FMEA-gebaseerde risicokwantificering integreert met contextuele redenering van grote taalmodellen om een statistisch significante, hoog-recall real-time supply chain risicobeoordeling te bereiken, zoals gevalideerd door zowel geparametriseerde simulaties als uitgebreid empirisch testen op de DataCo Smart Supply Chain dataset.

Nikhil Reddy Donapati2026-07-07
💻 computer science

Exploring the Potential of Large Language Models for Counter Argument Generation

Dit artikel introduceert een nieuwe corpus van diplomatieke tegenargumenten uit toespraken in de Algemene Vergadering van de VN (2005–2024) en evalueert state-of-the-art grote taalmodellen met behulp van temporeel uitgelijnde fine-tuningstrategieën om een systematische benchmark te vestigen voor cross-domein generalisatie in tegenargumentgeneratie.

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 is een nieuw framework dat gebruikmaakt van conformistische, onzekerheidsbewuste prototype-ontdekking om klinisch interpreteerbare, verzamelingwaardige clustervoorspellingen met gekalibreerde betrouwbaarheidsscores te genereren, waarmee het deterministische baselines aanzienlijk overtreft in het structureren van ongelabelde medische beeldgegevens.

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

Deze studie stelt een verklaarbaar, twee-laags speltheoretisch deep learning-framework voor dat SHAP combineert voor feature-interpreteerbaarheid en Nash-evenwicht voor competitieve prijsanalyse om traditionele modellen aanzienlijk te overtreffen bij het voorspellen van de vraag naar kortetermijnverhuur.

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

Enhancing INS/GNSS Performance with Smart Learning Estimator

Dit artikel stelt een "Smart Learning Estimator" (SLE) voor, een met deep learning versterkte Kalman-filter die TGAN-, LSTM- en RWFNN-architecturen combineert, wat de nauwkeurigheid en robuustheid van goedkope INS/GNSS-navigatiesystemen tijdens langdurige GNSS-signaalonderbrekingen aanzienlijk verbetert door de beperkingen van traditionele lineaire filters te overwinnen.

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

Dit artikel stelt TDF-LSTGBM voor, een nieuwe twee-fasen hybride architectuur die temporele kenmerken extraheert uit de voorlaatste laag van een gestapelde LSTM en deze combineert met consumenten- en temporele attributen voor een Gradient Boosting Machine, waarmee een aanzienlijk hogere nauwkeurigheid wordt bereikt in multi-granulaire voorspellingen van de elektriciteitsvraag in het slimme elektriciteitsnet over vijf consumentencategorieën vergeleken met traditionele LSTM- en ARIMA-modellen.

SambasivaRao Naraboina2026-07-07
💻 computer science

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

Deze studie presenteert een verenigd, uitlegbaar deep learning-framework dat ResNet50-gebaseerde microstructuurclassificatie en YOLOv8-gebaseerde detectie van oppervlaktefouten integreert met regelgebaseerde ernstschatting om robuuste, interpreteerbare en geautomatiseerde kwaliteitscontrole voor staalproductie mogelijk te maken.

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

De AUDIT-AI-studie is een vooraf geregistreerdeerde, drieledige audit op de nauwkeurigheid van diagnostiek, ontworpen om te kwantificeren of commerciële AI-tekstdetectoren systematisch langere wetenschappelijke literatuur van instellingen met niet-moedertaalsprekers als door AI gegenereerd classificeren in vergelijking met door moedertaalsprekers geschreven werken en geverifieerde AI-herschrijvingen.

Adnan Agha, Eram Anwar2026-07-07