Sheeba Samuel

Diese Studie bewertet, wie reproduzierbar Jupyter-Notebooks in der biomedizinischen Forschung sind.

Untersuchung der Lücken in der Reproduzierbarkeit von Wissensgraphen und deren Einfluss auf die Forschung.

Untersuchen, wie Deep Learning die Reproduzierbarkeit in Biodiversitätsstudien beeinflusst.

Die Nutzung von Ontologie kann die Fähigkeit von MLLMs verbessern, Pflanzenkrankheiten genau zu identifizieren.

Forscher nutzen KI, um Biodiversitätsstudien zu vereinfachen und das Verständnis zu verbessern.

Die ACE-Technologie steigert das Vertrauen in automatisierte Systeme zur Vorhersage von Pflanzenkrankheiten.