Makalah ini mengusulkan kerangka kerja yang mengintegrasikan Retrieval-Augmented Generation, penalaran berbasis graf, dan Large Language Model untuk diagnosis insiden yang dapat dijelaskan pada sistem terdistribusi. Kerangka kerja ini menc…
Metode
Kerangka kerja yang diusulkan terdiri atas tiga komponen utama: knowledge graph, modul retrieval, dan generator penjelasan berbasis LLM. Knowledge graph merepresentasikan komponen…
Hasil
Kerangka kerja ini dievaluasi pada dataset insiden dunia nyata dari sistem terdistribusi berskala besar. Metrik kinerja utamanya adalah akurasi pelokalan kesalahan, yang diukur sebagai presisi. Metod…
FlameGuard adalah kerangka kerja AI geospasial yang mengklasifikasikan tingkat keyakinan kebakaran menggunakan citra satelit termal dan arsitektur prediktif multi-model, mencapai akurasi 99% dan latensi deteksi di bawah satu jam. Sistem in…
Metode
FlameGuard memanfaatkan citra satelit termal dari sensor MODIS dan VIIRS, yang diperoleh dari dataset FIRMS. Kerangka kerja ini terdiri dari tiga komponen utama: (1) model berbasi…
Hasil
Kinerja model FlameGuard dirangkum dalam Tabel 1. Model baseline mencapai akurasi tinggi: Random Forest 97,41% (F1 = 0,953), XGBoost 98,20% (F1 = 0,961), dan jaringan neural Keras 99,10% (F1 = 0,980)…
Editorial Robin Qiu mengkaji bagaimana GPT dan model bahasa besar merevolusi aplikasi AI, mendorong transformasi digital sekaligus memunculkan kekhawatiran tentang regulasi, etika, dan manajemen risiko.
Metode
Sebagai sebuah editorial, karya ini tidak memakai metodologi penelitian formal. Sebagai gantinya, karya ini menyintesiskan observasi dan refleksi tentang evolusi serta dampak GPT …
Hasil
Editorial ini melaporkan beberapa observasi kunci: - GPT dan model AI serupa telah menimbulkan sensasi viral, menjadi topik hangat di berbagai pemangku kepentingan. - Perhatian yang luar biasa telah …
Sabih Ahmed; Junaid Muhammad; M. F. Shahid; M. Tanveer; Rabab Raza
Ringkasan
Studi ini mengevaluasi empat large language model untuk kategorisasi email berbasis intent pada 11.000 email Enron, dan menemukan Distil BERT mencapai akurasi tertinggi sebesar 82%.
Metode
Studi ini menggunakan subset 11.000 email dari dataset Enron. Email tersebut diprapemrosesan dan dilabeli untuk klasifikasi intent. Empat LLM dipilih: BERT, Distil BERT, XLNet, da…
Hasil
Di antara model yang diuji, Distil BERT mencapai akurasi tertinggi sebesar 82%, diikuti dekat oleh BERT dengan 81%. Model lainnya, XLNet dan GPT-2, diduga mencapai akurasi yang lebih rendah, meskipun…
Dinh-Nguyen Nguyen; Raymond Kai-YuTong; Ngoc-Duy Dinh
Ringkasan
Studi ini memperkenalkan μ-Fluidic-LLMs, kerangka yang mengubah data mikrofluidik tabular menjadi format linguistik untuk dianalisis oleh large language model terlatih, sehingga meningkatkan akurasi prediksi laju pembentukan droplet, diame…
Metode
Kerangka μ-Fluidic-LLMs memproses data tabular dengan mengubah baris dan kolom menjadi deskripsi bahasa alami, yang kemudian dimasukkan ke LLM terlatih seperti LLAMA3.1 dan DEEPSE…
Hasil
Saat dikombinasikan dengan LLM seperti LLAMA3.1 dan DEEPSEEK-R1, deep neural network mencapai peningkatan yang mencolok: mean absolute error pada laju pembentukan turun hampir 40%, root mean squared …
Makalah ini mengusulkan model Explainable AI (XAI) untuk Clinical Decision Support System (CDSS) yang mendukung diagnosis diferensial dengan kedokteran berbasis bukti. Model k-NN Surrogate, yang menggabungkan penjelasan berbasis contoh, mo…
Metode
Makalah ini mengusulkan model Explainable AI (XAI) untuk Clinical Decision Support System (CDSS) yang mendukung diagnosis diferensial dengan kedokteran berbasis bukti. Model k-NN …
Hasil
Penulis mengevaluasi performa prediksi dan XAI. Model surrogate dengan "Selecting" (data yang paling dekat dengan model utama) mencapai performa prediksi dan XAI yang lebih tinggi dibandingkan model …
D. F. Odesola; J. Kulon; Shiny Verghese; A. Partlow; Colin Gibson
Ringkasan
Penelitian ini menyajikan sistem kursi penginderaan pintar yang menggunakan dua matras tekanan 32×32 dan lima model machine learning untuk mengklasifikasikan 19 postur duduk, dengan akurasi 98,29% menggunakan CNN. Platform SitWell menginte…
Metode
Sistem yang diusulkan mengintegrasikan dua matras sensor tekanan 32×32 ke dalam kursi kantor untuk mengumpulkan data postur. Dataset yang disesuaikan pengguna dikumpulkan dari sat…
Hasil
Di antara kelima model, CNN mencapai akurasi klasifikasi tertinggi sebesar 98,29% untuk 19 postur duduk. Model lainnya (DT, RF, SVM, KNN) juga dievaluasi, tetapi CNN mengungguli mereka. Sistem berhas…
Tinjauan ini melacak evolusi AI dalam bioakustik sapi dari pemrosesan sinyal klasik hingga deep learning dan LLM, serta mengusulkan model HEAM yang menggabungkan CNN, pohon keputusan, dan penalaran bahasa alami untuk peringatan kesejahtera…
Metode
Tinjauan ini didasarkan pada analisis sistematis terhadap lebih dari 120 studi inti yang mencakup pemrosesan sinyal awal, machine learning klasik, deep learning, dan LLM. Penulis …
Hasil
Tinjauan ini melaporkan bahwa bioakustik berbasis AI telah berkembang secara signifikan, dengan arsitektur deep learning mengungguli metode klasik dalam mengurai vokalisasi sapi. Namun, kinerja serin…
M. Papoutsoglou; G. Meditskos; N. Bassiliades; Efstratios Kontopoulos; S. Vrochidis
Ringkasan
Makalah ini menyajikan analisis bibliometrik komprehensif tentang knowledge graph dalam keamanan siber, mengungkap minat yang tumbuh pesat dalam mengintegrasikan knowledge graph dengan machine learning dan teknik AI lanjutan untuk meningka…
Metode
Penulis melakukan analisis bibliometrik terhadap lanskap penelitian knowledge graph dalam keamanan siber dan CTI. Metodologi ini kemungkinan melibatkan kueri basis data ilmiah, ek…
Hasil
Analisis bibliometrik mengungkap minat yang tumbuh pesat dalam mengintegrasikan knowledge graph dengan machine learning dan teknik AI lanjutan, seperti deep learning dan neural network, untuk meningk…
Gabriella Waters; William Mapp; Phillip Honenberger
Ringkasan
Makalah ini memperkenalkan skor nilai keputusan (decisional value scores/DVS), keluarga metrik baru yang mengukur apakah keputusan AI memenuhi standar etika. Penulis mendemonstrasikan penerapan DVS dalam transparansi LLM dan penilaian risi…
Metode
Penulis mengembangkan kerangka DVS dengan terlebih dahulu mengatasi ambiguitas konseptual seputar 'keputusan' dalam sistem AI. Mereka mengusulkan metode untuk mengindividualisasi …
Hasil
Penulis mendemonstrasikan penerapan DVS melalui dua studi kasus. Pada studi kasus pertama, mereka mengevaluasi beberapa large language model (LLM) untuk transparansi. Keputusan diindividualisasi seba…
