4092 件の論文
本論文は、リアルタイムの試験不正検知のための、初めて形式的に仕様化され再現可能な評価が行われたブラウザ拡張機能アーキテクチャであるHBMDSを紹介し、その98〜100%の精度、500ミリ秒未満のレイテンシ、および低いリソースフットプリントを経験的にベンチマークすることで、BYOD対応のプロクタリングに関するベンダーの主張に対し、教育機関にエビデンスに基づいた代替案を提供するものである。
本論文は、適応的な階層的融合と二段階の知識転移スキームを通じて、不均衡なデータセットに対しても高い精度と汎用性を実現し、産業用LEDの欠陥認識における課題を解決するための、動的蒸留を用いた軽量なデュアルパスネットワークを提案する。
本論文は、文字レベル、トピック、およびトランスフォーマーベースの類似度尺度を組み合わせることで、博士論文のメタデータをOpenAlexの著者プロファイルに確実に紐付け、学術的なキャリアの軌跡を追跡する高い精度を実現し、北米の博士号取得者の約17.3%がその後の出版物に紐付けられないことを明らかにする、汎用性があり人間によって検証された手法を提示し、検証するものである。
本論文は、反復的な軌跡全体にわたって評価信号を整理し、履歴を選択的に再利用することで、AIによる科学的発見を構造化するフレームワークであるSIMPLETESを紹介しており、これにより、単一のオープンソースモデルが28の多様な科学領域において最先端の結果を達成し、さらに結果ベースの事後学習を通じて向上させることを可能にしている。
このナラティブレビューは、2021年から2026年の間に発表されたマルチデポ車両配送問題（MDVRP）に関する100件の研究を系統的に分析しており、時間枠やサステナビリティといった複雑な実世界の制約への進化、ハイブリッド・メタヒューリスティクスの優位性と台頭する学習ベースの手法の共存、そしてベンチマーク手法の不整合な現状を浮き彫りにしている。
本論文は、UMAPのグラフ構造を利用してt-SNEの局所的な近傍保存を初期化および強化するハイブリッドなt-SNE-UMAP最適化手法を提案しており、その結果、密度保存におけるトレードオフはあるものの、9つのデータセットにおいて信頼性と近傍再現率の統計的に有意な向上を実現している。
本論文は、クロスモーダルなスケールアライメントとエッジ認識伝播を通じて、高密度な単眼深度事前知識と疎で信頼性の高いステレオ幾何学的アンカーを融合させることで、既存の手法を上回るエッジ領域の精度を持つ堅牢なゼロショット深度知覚を実現する、学習不要のフレームワークを提案する。
本論文は、既存の手法が苦戦する大きなポーズの変化が生じる状況においても、顔のアイデンティティと微細な詳細を効果的に保持するために、Identity Prior Extractor（アイデンティティ事前情報抽出器）とMultimodal Identity Converter（マルチモーダル・アイデンティティ変換器）を備えたエージェント駆動型フレームワークであるADF-Poseを提案している。
本論文は、微小なターゲットや複雑な背景による課題に対処することでPCB欠陥検出の精度を大幅に向上させるために、クロスレベル双方向特徴ピラミッドネットワーク、軽量なデュアルスケール畳み込みモジュール、およびパラメータフリーの平均アテンションメカニズムを組み込んだ強化されたYOLOv11フレームワークであるCDA-YOLOを提案している。
本研究は、インドのマディヤ・プラシュテル州における地区レベルの小麦収穫量予測のための、説明可能でリーケージを考慮したフレームワークを提示しており、厳格な検証プロトコルと過去の収穫量データの包含が、モデルの複雑さよりも予測精度にとってより重要であることを示し、Elastic Netが最良の保護テスト性能を達成したことを実証している。