3615 件の論文
本論文は、適応型バイラテラルフィルタリング、特徴抽出のためのSqueezeNet、Shallow CapsNets、およびMobileNetV2の融合、CNN-LSTM分類器、そしてハイパーパラメータ調整のためのOsprey Optimization Algorithmを統合し、バーチャル教室環境における学生のエンゲージメントを効果的に検出し、パフォーマンスを向上させるためのFTLSED-VCOOAフレームワークを提案するものである。
本論文は、新しいベイズネットワーク学習アルゴリズムを導入し、シミュレーションデータおよび実世界のデータを通じて、スコアリング関数の選択が性能に大きな影響を与えること、そして提案する新アルゴリズムが、平均的なマルコフブランケットのサイズ、次数、および密度が低いネットワークにおいて既存の手法を上回る性能を示すことを実証する。
本研究は、ボラティリティ予測における固有の説明および事後的な説明の信頼性は、摂動に高度に特異的であり、異なるモデル・表現・説明器の構成間で大きく変動し、再学習、時間的シフト、入力ノイズといった多様な条件下での実証的な評価を必要とすることを実証している。
本論文は、画像暗号化に使用されるすべての鍵付きDNA演算が、バイナリ体上で構造的にアフィンであり、それによって拡散層が代数的に脆弱で攻撃に対して無防備であることを証明するとともに、これらの固有の限界を克服するための、検証済みかつコストゼロの代替案を提案するものである。
本研究は、概念ドリフトの影響により、ランダムな交差検証では産業用組立ラインのデータにおける機械学習の性能を過大評価してしまう一方で、時系列的な評価による検証を行うことで、適切にチューニングされた勾配ブースティングモデルは、検査工程を削減するための効果的なスクリーニングツールとして依然として機能し得ることを示している。
この批判的な統合的レビューは、高等教育におけるエージェンティックAIの導入は、新たな「自律性・監視・エビデンス」フレームワークによって制約されなければならないと主張しており、これは、危害を防止し公平性を確保するために、委譲されたシステムの自律性は、それを支えるエビデンスの成熟度、あるいは責任ある人間による監視の強固さを超えてはならないということを義務付けるものである。
本研究は、再現可能な多言語NLPフレームワークと、ユーザーのフィードバックを5つのサービスカテゴリに分類するための7,148件のエチオピアのフィンテック・レビューからなる精選されたコーパスを提示しており、AfroXLMRトランスフォーマーモデルが英語、アムハラ語、およびコードスイッチングされたテキストの処理において他のアーキテクチャを凌駕することを示すとともに、データの不均衡と言語的変異という永続的な課題を浮き彫りにしている。
本論文は、効果と目的のために分離されたニュートロソフィック・トリプルを組み合わせることで、機関内のAIエージェントの三者間認可を可能にし、正当な外部リクエストと悪意のある誘導を区別することによって直接的な危害の通過を効果的に削減する、プロベナンス（由来）を意識したフレームワークであるテレオニュートロソフィック論理を提案する。
この予備的研究は、ファインチューニング中に潜在的属性正則化（Latent Attribution Regularization: LAR）を適用することで、小規模なツール利用型LLMエージェントの属性一貫性が向上し、それによって言い換えられた有害なリクエストに対する感度が低減され、検出性能を大きく損なうことなく拒否決定が安定化する一方で、無害な例に適用した場合には過剰な拒否を招くリスクがあることを示している。
この論文は、疎な点群に対するスクリーン・ポアソン再構成においてマルチスケール・ボールピボッティングによる支持（サポート）が前提条件である一方で、精度向上の主要な要因はその支持に基づくその後の高密度なリサンプリングであり、それが誤差と法線方向への感度を大幅に減少させるものの、当該パイプラインは依然として、オラクルと比較した場合の推定法線の品質によって根本的な制限を受けていることを示している。