3900 件の論文
本論文は、特定の領域においてディープラーニングを用いたマルウェア検出をわずかに向上させ、かつ以前の不安定性の問題を修正するものの、最終的には調整された決定木アンサンブルがこのタスクにおいて最も堅牢かつ費用対効果の高いソリューションであることを裏付ける、有界で学習可能な不確実性ゲーティング機構と特徴量拡張器を組み合わせたChaosEntropyGate v2 (CEG-2) を導入するものである。
本論文は、リチウムイオン電池の残寿命予測におけるRandom Forest、XGBoost、およびTemporal Convolutional Networkモデルの性能を評価・比較し、電気自動車の予兆保全に向けたCoral Dev Board上での実用的な展開と有効性を実証するものである。
本論文は、絶対的なスコアではなく分子のペアごとの比較に基づいてグラフニューラルネットワークサロゲートを学習させることにより、ノイズの多いスクリーニング環境下において標的達成度とサンプリング効率を大幅に向上させる能動学習フレームワークであるAPOSMを導入するものである。
本論文は、ST節やT波といった決定に関連する特徴量を標的とすることで、心筋梗塞検出におけるAIモデルの解釈性を高め、12誘導心電図に対して臨床的に意味のある反事実的説明を生成する、勾配に基づく統合的な敵対的フレームワークであるInterGRACEを導入するものである。
本研究は、Disparate Impact Removerや敵対的デバイアス（adversarial debiasing）のようなバイアス緩和技術を採用した公平性を考慮した機械学習モデルが、高い予測精度を維持しつつ、臨床的および性別に関連する決定要因の解釈性を高めながら、ADNIデータを用いたアルツハイマー病分類における性別に関連する格差を大幅に減少させられることを実証している。
本論文は、非公開の3D腫瘍学画像および放射線科レポートから多肢選択式問題を生成する、汚染制御された自動ベンチマーキング・パイプラインを導入するものであり、これにより現在のモデルが真の視覚的知覚ではなく、テキストの手がかりやデータセットへの習熟度に依存していることが多いことを明らかにし、Vision-Language Modelを厳格に評価する。
本論文は、デュアルチャネル・アテンション・ブロックを組み込むことで従来のEEGNetを強化し、堅牢性、解釈可能性、および計算効率を確保しながら、マルチクラスのEEG数字デコーディングにおいて92.36%という最先端の精度を達成する軽量なディープラーニング・フレームワークであるDualAttentionNetを紹介するものである。
本論文は、AIベースのAndroidマルウェア検知システムに関する系統的な文献レビュー（2020年–2025年）を提示し、それらの敵対的攻撃に対する脆弱性を分析し、既存の防御戦略を評価し、強固で信頼できるセキュリティを実現するための決定的なギャップと将来の研究方向を特定するものである。
LC-MSCKFは、劣化を予測するための軽量な学習済みブランチと、限定的な補正的膨張のためのイノベーション・フィードバック・ブランチを組み合わせたハイブリッドな二段階不確実性校正戦略を採用することで、多様なベンチマークにおいて固定型および単一ブランチ適応型ベースラインを大幅に上回り、視覚慣性オドメトリの精度を向上させる。
本研究は、トランスフォーマー型モデルとアンサンブル戦略を用いた臨床面接の自動言語解析が、広東語話者における大うつ病性障害を効果的に検出できることを示しており、処理効率を大幅に向上させると同時に、最適な性能を得るための文字起こしの質と会話の文脈の重要性を浮き彫りにしている。