4057 件の論文
本論文は、高い精度を維持しつつ、ジェンダーに基づく承認格差と規制違反を大幅に削減する、モバイルマネーデータを用いた公平性制約付きの信用スコアリング・フレームワークを提案しているが、交差的な分析によれば、こうした制約だけでは低所得層の女性に影響を及ぼす複合的な社会経済的格差を完全に解消することはできない。
本論文は、表現誘導型の選択的データキュレーションを活用することで、従来の、大規模な事前学習手法に必要とされるデータのわずか一部の量と計算資源のみを用いて、多様な臨床タスクにおいて競争力のある性能を達成する胸部X線線基礎モデルであるCheXficientを紹介している。
本論文は、ネットワーク侵入アラートに対する特徴量属性説明が、特定の脅威分布や検知器の特性に応じて、アラートキューの有用性を向上、低下、または変化させないことを示す、分布条件付きベンチマークを導入しており、それによって、スコアのみによる順序付けに対する補完的な戦略として、局所的に検証された説明認識型の再ランキングを使用することを支持している。
本論文は、Query-Adaptive Coordinate Ordering手法が、高次元データセットにおいて完全な再現率を維持しつつ、厳密なk-NN探索において平均2.84倍の高速化を達成することを実証する、強化された実験的検証を提示しており、その性能向上は名目上の次元数ではなく、主に特徴量の相関関係によって駆動されている。
本研究は、心疾患データセットを用いたXGBoost分類器の予測性能および手法間の説明の一貫性を評価し、当該モデルが高い精度と、グローバルな説明手法（ネイティブな重要度、置換重要度、およびSHAP）間の中程度から強い一致を実現している一方で、これらの次元は独立したものであり、それ自体が臨床的な妥当性を本質的に保証するものではないことを示している。
本論文は、信頼性校正と明示的な解決不能メカニズムによって強化されたグラフベースのモデルであるAmbiGraph-Corefを紹介するものであり、これは合成されたソーシャルメディアテキストにおける曖昧な照応解析において高い性能を達成しているが、同時に実世界の真正なデータによる将来的な検証の必要性を強調している。
本研究は、大規模なデータセットと品質を考慮した機械学習モデルを活用することで、動画の高速スワイプにおける再生品質の問題とユーザーの関心の低さを正確に判別し、高い予測性能を達成するとともに、ストリーミング体験の的を絞った最適化を可能にするものである。
本論文は、局所的な二次の随伴ダイナミクス手法であるCausal Adjoint Transport（CAT）を導入するものであり、これは、一次の緩和法や他のソルバーと比較してヤコビアンのアクションを大幅に少なくする必要がないため、安定境界付近における暗黙的ニューラルネットワークおよび回帰型ニューラルネットワークの学習に伴う計算コストを著しく削減するものである。
本研究は、遠隔診療における医療視覚的質問応答（Med-VQA）の現状の限界を評価し、遠隔臨床意思決定支援の安全性と信頼性を高めるために設計された、検索拡張型で較正可能かつ説明可能なシステムであるTRACE-MedVQAフレームワークを提案するものである。
本論文は、蒸留された衝突回避ポリシーと形式的な運転規則をVision-Language-Actionモデルに注入する検索拡張型キャプション生成フレームットを提案しており、標準的なモデルが見落としがちな安全上の重要な詳細に対処することで、自動運転車両の軌道予測精度をグラウンドトゥルースの性能に匹敵するレベルまで大幅に向上させている。