3615 件の論文
本論文は、構造化されたイベント・フィールド行列表現と状態セマンティック・ベクトルを組み合わせたVAE–Transformerベースのフレームワークを提案しており、これにより、従来の方式と比較して、安全性に敏感な航空機用ソフトウェアのファジングにおけるカバレッジと効率を大幅に向上させ、多様で高品質なテストケースを生成する。
本論文は、モダリティ間の意味的整合性を定量化するためのモダリティ一貫度指標を導入し、一貫性のレベルに応じて適応的に調整する動的な融合戦略を採用することで、ソーシャルメディアのミームに対する敵対的攻撃を大幅に抑制し、マルチモーダル感情分析における敵対的堅牢性を高める新しいフレームワークであるMCD-DFusionを提案している。
本論文は、トークンプルーニングと混合エキスパート（Mixture of Experts）を臨床的な正則化項と組み合わせた量子に着想を得たハイブリッドモデルであるQSGTを導入し、MIMIC-CXRデータセットにおいて最先端の手法を凌駕することで、マルチモーダルな放射線科レポート要約のエンティティレベルの忠実度と臨床的正確性を大幅に向上させた。
本論文は、NP困難な電気自動車経路問題を効果的に解決するために、Divine Religion Algorithm、Ant Colony Optimization、およびMemetic Searchを統合したハイブリッド・メタヒューリスティック・フレームワークであるHDRAを提案し、SA、GOA、HHOといった既存のアルゴリズムと比較して、経路コストと排出量を削減する上で優れた性能を示すものである。
本論文は、主要なクラウドプロバイダー向けに、構文的に有効かつコスト効率の高いIDSおよびWAFルールを自動生成するマルチLLMファインチューニング・パイプラインであるWAFGenを紹介するものであり、手動によるベースラインと比較して、高い精度とAWS Web ACLの容量コストの大幅な削減を実現している。
Q-IDS Benchは、5つのデータセットにわたる9つの量子着想型侵入検知構成に対して、再現可能かつリソースを考慮した評価を提供し、モデルの性能がデータセットに依存すること、およびハイブリッド化だけでは優れた結果を保証しないことを実証しており、それによって将来の真の量子機械学習との比較に向けたベースラインを確立している。
本論文は、肝疾患予測におけるクラス不均衡と特徴量の冗長性に効果的に対処するため、5つの基準に基づくハイブリッド特徴量選択を適応的バランシングおよび閾値チューニングと統合した適応型機械学習フレームワークを提案し、ILPDおよびLDPDデータセットにおいて高い再現率と堅牢な性能を達成するものである。
AdaKVT-Memは、有効性、バージョニング、およびプロベナンス（由来）を確保するためにステートフルなセル変異プロトコルを採用し、高いライフサイクル精度を実現しているものの、完全な更新成功の達成においては現在の限界があることを認めている、会話記録のための監査可能でライフサイクルを意識したメモリ・アーキテクチャである。
本研究は、人口統計学的属性および行動属性のみに依存する機械学習モデルは、学生の学業成就を予測する上で多数派クラスのベースラインを上回ることができない一方で、過去の成績を組み込むことで予測精度が大幅に向上することを示しており、効果的なAI駆動型個別化学習システムにおける過去のパフォーマンスデータの極めて重要な役割を浮き彫りにしている。
本論文では、非対称深度別分離畳み込みと双方向特徴相互作用モジュールを活用することで、クラス不均衡を効果的に克服し、エッジデプロイメントのための低計算コストで高精度な肺結節の検出およびセグメンテーションを実現する、軽量な純粋3DネットワークであるLight3D-NoduleNetを提案する。