3962 件の論文
本論文は、エビデンスに基づきフィルタリングされたSHAP属性と、教育学的な根拠に基づくLLMフィードバックを統合することで、多様な教育的文脈における学生のリスク予測に対して、実行可能かつシナリオに適合した説明を生成するクロスデータセット・フレームワークを提案し、横断的および縦断的なデータセットを用いた検証を通じて、コンプライアンスと堅牢性の向上を実証するものである。
本論文は、拡散増強型対照学習を通じてEEG表現を大規模言語モデルの埋め込みと整列させることで、脳信号と自然言語を橋渡しする基盤モデルであるEEG-LMを導入しており、これにより複数のデータセットにわたって、最先端の性能、強力な汎化性能、および解釈可能な感情認識を実現している。
本論文は、適応型Min-Maxベクトル正規化、改良型加重ラッパー・フィルタによる特徴選択、および強化されたGoogleNetとカプセルネットワークのソフト投票アンサンブルを統合し、97.4%の精度で極めて高精度かつ信頼性の高い認知状態検出を実現するハイブリッド深層学習フレームワークであるE-GCNetを提案する。
PRISMA 2020ガイドラインに従って実施された本系統的レビューは、慢性疾患の早期発見における様々なディープラーニング・アルゴリズムの可能性を評価すると同時に、データの不足や解釈可能性といった現在の限界を浮き彫りにし、より信頼性が高く臨床的に有益な診断システムを開発するための将来の方向性を提案するものである。
本研究は、最小原子単位（MAU）フレームワークを活用した構成可能なLLMシステムを提示しており、これはメタ解析に向けて高精度かつソースの追跡が可能なデータ抽出を実現し、多様な臨床領域において、非分解型のアプローチを大幅に上回る性能を示すとともに、極めて低い幻覚率を維持している。
本論文は、Tensor-Train層を物理情報に基づいたニューラルネットワーク（PINN）に統合することで、元の精度の97%を維持しながら、パラメータ数を最大8.8倍まで大幅に削減できることを示しており、その圧縮効率は基礎となる偏微分方程式の解の規則性に大きく依存する。
本論文は、摂動ベースの監査および緩和フレームワークを提案・評価し、エンティティノイズがLLMによって生成された科学計量グラフにおける高信頼度の誤った関係のリスクをどのように増大させるかを実証するとともに、エンティティおよびエビデンスを考慮した棄却戦略が、グラフの完全性を維持する上で単純な信頼度フィルタリングよりも効果的に優れていることを明らかにしている。
WSL-Detは、周波数認識型のグローバルな相互作用のための波動ベースのアテンションと、異方性局在化のための逐次直交ストリップ畳み込みを統合したVajraアーキテクチャに基づくリアルタイム物体検出器であり、皮革やNEU-DETのような工業用ストリップ欠陥データセットにおいて最先端の精度と速度を実現しています。
本研究は、ガーナの病院の電子診療録データを用いて、慢性疾患患者の服薬遵守を89.5%という高い精度で予測することに成功し、かつ低リソースの保健システムへの導入に適したコンパクトでリソース効率の高い特徴量セットを特定した、説明可能でコンテキストを考慮した機械学習フレームワークを開発および検証した。
本論文は、検索、分類、および画像・テキスト間の教師あり学習といったタスクに対して、胸部X線写真とCTレポートの両方を効果的に処理できる、0.6Bおよび4Bのパラメータサイズで提供される多目的かつ指示条件付きのテキストエンコーダであるChest2Vecを紹介しており、既存のモデルと比較してCTレポートにおいて優れた性能を実証している。