3895 件の論文
本論文は、クラス不均衡に対処し、固有表現抽出タスクにおける希少なエンティティの認識性能を向上させるために、適応型セレクターと微分可能な誤差駆動型フィードバックメカニズムによって導かれる、高周波および低周波の特化型エキスパートを活用した、周波数認識型混合エキスパート（mixture-of-experts）フレームワークであるTriAdaptNERを提案する。
本論文は、BiLSTMに基づく移動予測、強化学習駆動型の信頼管理、およびハイブリッド最適化アルゴリズムを統合することで、エネルギー効率の高いクラスターヘッドを動的に選択し、攻撃に対する安全かつ信頼性の高いルーティングを確保する、車載アドホックネットワーク（VANET）のための多目的フレームワークであるMOTMER-VANETを提案する。
本論文は、メカニズムに基づく知識と双方向Mambaアーキテクチャおよびグラフ畳み込みネットワークを統合することで、長時系列の動態と複雑な空間的結合の両方を効果的に捉え、チロシン発酵プロセスにおけるバイオマスおよび生成物濃度のリアルタイムかつ計算効率の高い正確な予測を実現する、グレーボックス型の多目的予測ネットワークであるG-Mambaを提案する。
本論文では、学習された適応型ゲーティングメカニズムを用いて局所的な畳み込み特徴とグローバルなTransformer特徴を動的にバランスさせることで、データセット固有のチューニングを行うことなく、多様な診断領域にわたる堅牢かつ汎用的な医療画像分類を実現するデュアルパスネットワークであるDACANetを提案する。
本研究は、古典的な機械学習モデル、特にランダムフォレストが、ClinicalTrials.govの公開レジストリのテキストのみを用いて臨床試験の成功を効果的に予測できることを示しており、厳格な前処理を通じてデータ漏洩を軽減しつつ、異なる試験フェーズおよび適応症において中程度から強い性能を達成している。
この概念実証研究は、日本の循環器科の退院時サマリーを用いてローカルにデプロイされた大規模言語モデル（Gemma3およびQwen3.5）を評価しており、全体的な症状抽出の精度は高いものの、性能は特定の症状によって異なり、モデルは患者の明示的な訴えではなく客観的な臨床所見から動悸や倦怠感などの状態を推論することが多いことを明らかにしている。
本論文は、ステートレスなId–Censor–Superegoメディエーション・アーキテクチャおよびPathAuditベンチマークを導入し、マルチエージェント・パイプラインがいかにして危険な目的を許容可能な書き換えへと変換することでセーフティ・フィルターを回避し、それによってローカルのエンドポイント記録では検知不可能な隠蔽された有害な目標をダウンストリームのエージェントに伝播させ得るかを実証するものである。
本論文は、航空機エンジンブレードにおける小型かつ微弱な特徴を持つ欠陥の検出という課題に効果的に対処するため、マルチスケール・エッジ選択モジュールおよび特徴再構成モジュールを特徴とする強化されたリアルタイム検出トランスフォーマーネットワークであるMESFR-DETRを提案し、合成データセットおよび実世界のデータセットの両方において優れた精度と効率性を実現する。
本論文は、特定のサブグループに対してラベルを反転させることで、標準的な検出器を回避し、記録されていない患者に危害を及ぼすマーカーフリーのバックドアが形成されるという、人口統計学的ショートカットによって医療用画像モデルが密かに侵害され得ることを実証しており、効果的な検出には閾値に基づくサブグループの偽陰性監査が必要であることを示している。
本論文は、非最大値抑制（NMS）に投入される候補数をデッドラインに基づき校正された境界値に制限することで、候補数の膨張によるレイテンシ攻撃を軽減し、多様なハードウェアおよび検出器アーキテクチャにわたるリアルタイムのデッドライン整合性を確保する、再学習不要かつデプロイメント選択可能なメカニズムを提案し、同時に、デコーディングのオーバーヘッドが大きいために、バウンディング抑制のみでは必要条件ではあるが十分条件ではないことを明らかにしている。