Zairo Bastos; J. Freitas; J. Franco; Carlos Caminha
Ringkasan
Studi ini membandingkan Gemini 1.5 PRO dengan Random Forest dan LSTM untuk prakiraan deret waktu pada 40 deret Ritel dan Mobilitas yang mencakup 65.940 unit waktu. Gemini 1.5 PRO mengungguli LSTM sekitar 4% (Ritel) dan 6,5% (Mobilitas) tet…
Metode
Desain eksperimen mengikuti perbandingan terkontrol di mana setiap model menerima deret input yang sama dan dinilai dengan metrik kesalahan yang sama. **Data.** Korpus evaluasi te…
Hasil
Di seluruh 40 deret dan 65.940 unit waktu yang dievaluasi, peringkat ketiga pendekatan tersebut stabil tetapi bergantung pada domain: Gemini 1.5 PRO jelas mengungguli LSTM, namun tidak melampaui Rand…
Makalah penjelasan ini memperkenalkan konsep-konsep dasar AI—termasuk pembelajaran mesin, pembelajaran mendalam, jaringan saraf tiruan, dan model bahasa besar—sebelum mengkaji aplikasi, implikasi, dan tantangan AI generatif dalam bisnis da…
Metode
Makalah ini mengadopsi pendekatan penjelasan dan konseptual, bukan desain eksperimental atau berbasis survei. Metodenya bersifat definisional dan sintesis: pertama-tama memperkena…
Hasil
Hasil dari sintesis penjelasan ini adalah konsep-konsep yang diperjelas dan implikasinya. Kecerdasan buatan adalah bidang luas sistem yang melakukan tugas-tugas yang terkait dengan kecerdasan manusia…
A. Bakumenko; Katerina Hlaváčková-Schindler; Claudia Plant; Nina C. Hubig
Ringkasan
Bakumenko, Hlaváčková-Schindler, Plant, dan Hubig mengodekan atribut kategoris non-semantik dari entri jurnal keuangan dunia nyata dengan tiga model _sentence-transformer_ prapelatihan, kemudian memasukkan _embedding_ tersebut ke lima peng…
Metode
Alur kerja yang diusulkan memiliki dua tahap berbeda: tahap pengodean yang mengubah data kategoris non-semantik menjadi vektor padat, dan tahap klasifikasi yang memprediksi apakah…
Hasil
Eksperimen menunjukkan bahwa LLM memberikan informasi berharga untuk deteksi anomali. Di seluruh konfigurasi yang dievaluasi, alur kerja _embedding_ LLM yang diusulkan **mengungguli _baseline_**, dan…
J. Berkowitz; D. Weissenbacher; A. Srinivasan; Nadine A. Friedrich; Jose Miguel Acitores Cortina; S. Kivelson; G. G. He…
Ringkasan
Fitur autoenkoder jarang (SAE) yang berasal dari status tersembunyi Gemma2-9b-it mendukung klasifikasi linier sederhana yang memprediksi reaksi obat merugikan dengan AUC-ROC antara 0,902 dan 0,963, secara statistik tidak dapat dibedakan da…
Metode
Alur kerja (pipeline) ini sengaja dibuat minimal, mengisolasi pertanyaan representasi dari kompleksitas arsitektur. Nama-nama obat dilewatkan melalui Gemma2-9b-it; embedding statu…
Hasil
Fitur-fitur yang berasal dari SAE terbukti sangat prediktif di keempat endpoint. Klasifikasi linier yang dilatih pada fitur-fitur yang dapat diinterpretasikan mencapai AUC-ROC sebesar **0,957** untuk…
Otomasi desain elektronik analog jauh tertinggal dari rekan digitalnya. Tinjauan sistematis lima tahun terakhir ini memetakan bagaimana jaringan saraf graf (GNN), model bahasa besar (LLM), dan autoenkoder variasi (VAE) diterapkan pada pene…
Metode
Makalah ini adalah tinjauan sistematis dengan orientasi metodologis: alih-alih mengkatalogkan makalah berdasarkan kronologi, makalah ini mengorganisir literatur seputar masalah ya…
Hasil
Hasil utama tinjauan ini adalah pemetaan antara hambatan desain analog dan metode generatif yang telah diterapkan untuk mengatasinya. Para penulis melaporkan bahwa GNN, LLM, dan VAE telah berhasil di…
D. Teodoro; Nona Naderi; A. Yazdani; B. Zhang; A. Bornet
Ringkasan
Tinjauan lingkup ini mensintesis 142 studi yang diterbitkan antara tahun 2013 dan 2024 yang menerapkan kecerdasan buatan untuk penilaian risiko uji klinis, meliputi prediksi risiko keselamatan, efikasi, dan operasional. Kinerja yang dilapo…
Metode
### Arsitektur Tinjauan Para penulis mengadopsi desain tinjauan lingkup daripada tinjauan sistematis dengan meta-analisis. Pilihan tersebut berasal dari heterogenitas literatur ta…
Hasil
### Distribusi Lintas Kategori Risiko 142 studi terbagi menjadi prediksi risiko **keselamatan (n = 55)**, **efikasi (n = 46)**, dan **operasional (n = 45)**. Dominasi keselamatan sederhana tetapi kon…
Xin Wang; Pietro Lodi Rizzini; Sourav Medya; Zhi-Ling Lan
Ringkasan
SMART adalah model pengganti berbasis data yang menggabungkan jaringan saraf graf dengan model bahasa besar untuk memprediksi waktu eksekusi aplikasi dalam jaringan interkoneksi Dragonfly. Model ini menangkap struktur spasial dan temporal …
Metode
SMART dibangun berdasarkan pengamatan bahwa data router tingkat port membawa dua jenis sinyal yang berbeda. Yang pertama adalah **spasial**: jaringan Dragonfly adalah graf router …
Hasil
Makalah ini melaporkan bahwa SMART **mengungguli model dasar statistik dan pembelajaran mesin yang ada**. Perbandingan ini adalah klaim empiris utama dari penelitian ini: model pengganti GNN-plus-LLM…
E. Schonfeld; Aaradhya Pant; Aaryan Shah; S. Sadeghzadeh; Dhiraj Pangal; Adrian Rodrigues; K. Yoo; Neelan J. Marianayag…
Ringkasan
Studi ini menerapkan tiga keluarga model canggih — jaringan saraf konvolusional pada radiograf, model bahasa besar berbasis GatorTron pada catatan klinis, dan studi asosiasi seluruh genom di UK Biobank — untuk stratifikasi risiko pra-opera…
Metode
**Kohort dan sumber data.** Kohort pemodelan klinis terdiri dari 209 pasien ASD yang diambil dari Stanford Research Repository, menyumbangkan 1.549 radiograf tulang belakang dan c…
Hasil
**Model bahasa versus visi komputer.** LLM secara signifikan mengungguli CNN di seluruh kategori komplikasi yang dievaluasi oleh F1: | Hasil | LLM (F1) | CNN (F1) | |---|---|---| | Komplikasi paru | …
Carlos A. Brizuela; Gary Liu; Jonathan M. Stokes; César de la Fuente-Núñez
Ringkasan
Tinjauan ini mensurvei bagaimana AI telah mempercepat penemuan dan desain peptida antimikroba, menelusuri pergeseran bidang ini dari pembelajaran mesin klasik ke pembelajaran mendalam, model bahasa besar, jaringan saraf graf, dan pendekata…
Metode
## Ruang lingkup dan struktur tinjauan Ini adalah tinjauan naratif yang berorientasi pada metode, bukan studi empiris tunggal. Metodologinya terdiri dari pengorganisasian literatu…
Hasil
## Dari ML klasik ke pembelajaran mendalam, LLM, GNN, dan desain berbasis struktur **Pembelajaran mesin klasik sebagai pendahulu.** Literatur awal didominasi oleh model ML klasik, termasuk *support v…
Survei ini meninjau pendekatan pembelajaran mesin — mulai dari kriging jaringan dan SVM hingga CNN, GAN, LSTM, dan kembaran digital — yang mengotomatiskan deteksi kegagalan, identifikasi, lokalisasi, estimasi magnitudo, dan prediksi kegaga…
Metode
Survei ini disusun sebagai tinjauan literatur yang berpusat pada teknik, bukan sebagai eksperimen empiris tunggal. Metodologinya berlanjut dengan memetakan serangkaian tugas manaj…
Hasil
Di seluruh literatur yang disurvei, hasil yang dilaporkan konsisten dalam arah: manajemen kegagalan berbasis ML mengungguli operasi berbasis ambang batas murni dan margin statis, terutama karena mode…
