Benutzerbeiträge von „Ge0684“
24. Oktober 2025
- 10:4910:49, 24. Okt. 2025 Unterschied Versionen +23 A Contrastive Learning Framework for Semantic Consistency Verification of SysML and Simulink Models Keine Bearbeitungszusammenfassung aktuell
- 10:4910:49, 24. Okt. 2025 Unterschied Versionen +1.973 N A Contrastive Learning Framework for Semantic Consistency Verification of SysML and Simulink Models Die Seite wurde neu angelegt: „{{Ausschreibung |bearbeitet=Nein |abschlussarbeitstyp=Bachelorarbeit, Masterarbeit |gruppe=DSiS, MCSE }} ===Motivation=== Ensuring consistency between different modeling views (e.g., architectural in SysML, behavioral in Simulink) is a critical challenge in Cyber-Physical Systems (CPS) design. Current manual and rule-based methods are brittle and cannot detect deep semantic nuances. This thesis proposes to leverage Large Language Models (LLMs) in a nov…“
- 10:2910:29, 24. Okt. 2025 Unterschied Versionen −4 Automated Generation of a Consistency Benchmark for Cyber-Physical Systems Modeling Keine Bearbeitungszusammenfassung aktuell
- 10:1310:13, 24. Okt. 2025 Unterschied Versionen +3 Automated Generation of a Consistency Benchmark for Cyber-Physical Systems Modeling Keine Bearbeitungszusammenfassung
- 10:1310:13, 24. Okt. 2025 Unterschied Versionen −1 Automated Generation of a Consistency Benchmark for Cyber-Physical Systems Modeling Keine Bearbeitungszusammenfassung
- 10:1210:12, 24. Okt. 2025 Unterschied Versionen +3 Automated Generation of a Consistency Benchmark for Cyber-Physical Systems Modeling Keine Bearbeitungszusammenfassung
- 10:1110:11, 24. Okt. 2025 Unterschied Versionen +3.208 N Automated Generation of a Consistency Benchmark for Cyber-Physical Systems Modeling Die Seite wurde neu angelegt: „{{Ausschreibung |bearbeitet=Nein |abschlussarbeitstyp=Bachelorarbeit, Masterarbeit |betreuer=Rahul Sharma |gruppe=DSiS, MCSE }} === Motivationt === The design of complex Cyber-Physical Systems (CPS) relies on a suite of diverse modeling platforms like SysML and Simulink. A critical and unsolved challenge in this paradigm is ensuring the consistency of models across these platforms, as inconsistencies can lead to system failures. While machine learning,…“