927 件の論文
本研究は、決定木、ランダムフォレスト、XGBoost、およびBiLSTMネットワークを適応型ゲーティングメカニズムを介して動的に統合することで、静的モデルの限界を克服し、石油生産予測において優れた精度（R² = 0.97）と迅速な推論を実現するリアルタイム・インテリジェント予測システムである動的適応型融合モデル（DAFM）を提案する。
本論文は、ModernBERTアーキテクチャとカスタムトークナイザーを用い、1444億トークンを用いてスクラッチから事前学習された1.5億パラメータのトルコ語エンコーダーであるModernBERT-TRを紹介しており、これは、大幅に少ないリソースで学習されているにもかかわらず、既存のトルコ語ベースラインを大幅に上回り、より大規模な並行モデルに匹敵する性能を実現している。
DriftSense++は、データドリフトとコンセプトドリフトの両方を検出し適応的に管理するために、クローズドループかつリージョン認識型のアプローチを採用することで、空間的クラウドソーシングのタスク割り当てを強化する動的なフレームワークであり、多様な実世界のデータセットにおいて、精度、誤報の削減、および回復速度の全項目で既存の手法を大幅に上回っています。
本論文は、攻撃者がデータベースへのクエリを操作しサーバーのセキュリティを侵害することを可能にするSQLインジェクション攻撃を効果的に検知および予測するために、様々な機械学習手法を評価することに焦点を当てている。
本研究は、実データと合成データの両方を用いてエチオピアの病院におけるICU死亡率および滞在期間を予測するための機械学習モデルを評価しており、ハイブリッド学習は高い計算コストを要するものの、CTGANによって生成されたデータを用いた手法が他の手法を大幅に上回る結果となった一方で、酸素要求量とSpO2が最も強力な死亡予測因子であることを明らかにしている。
本論文は、局所的な面の向きをエンコードするために新しい符号付き半二面角スカラーを利用する、方位認識型のメッシュ学習手法を提案しており、これは従来のエッジ中心のアプローチと比較して、切断や開いた境界といった構造的な摂動を受ける3D形状に対して、堅牢性と分類精度を大幅に向上させるものである。
この回顧的研究は、ブルネイにおける個別化された前立腺がん治療の予測を強化するために、人口統計学的、臨床的、ゲノム的、および画像データを統合したマルチモーダルAIベースの臨床意思決定支援システムを開発・評価し、小規模なサンプルサイズに関連する制限があるにもかかわらず、ハイブリッドLSTM–Random Forestアーキテクチャによる後期融合が堅牢な性能（AUC 0.964）を達成したことを示した。
本研究は、機械学習アルゴリズム、特にサポートベクター分類器が、リモートセンシングデータを用いてナイジェリアのオモ森林保護区における森林劣化の検出において高い精度（最大99%）を達成することを示しており、それによって持続可能な森林管理のための国家的な保全政策へのそれらの統合を提唱している。
本研究は、実験計画法を用いて、エスピリトサント州検察庁向けにカスタマイズされた検索拡張生成（RAG）システムにおける重要なハイパーパラメータ、具体的にはチャンク戦略、コンテキスト量、およびLLMの選択を分析・最適化しており、整列ランク変換（ART）を用いた統計解析を通じて、これらの要因が回答の品質に有意な影響を与えることを明らかにしている。
本論文は、実行可能な世界モデルを反証可能な理論として扱い、親エージェントと専門的なサブエージェントをオーケストレートするプロンプト定義型の修正ポリシーであるTHEAを紹介するものであり、これにより、仮説の修正を明示的、監査可能、かつ費用対効果の高いものに保ちつつ、25のARC-AGI-3ゲームのうち22において大幅なコスト削減を実現しながら最先端の性能を達成している。