4092 件の論文
本論文は、信号分解のための変分モード分解、特徴選択のための再帰的特徴消去、クラス・バランシングのためのSMOTE、そしてCatBoost–SVM分類器を統合したハイブリッド機械学習フレームワークを提案し、CPCBデータを用いた極めて高精度（98.5%）な空気質分類システムを実現するものである。
本論文は、古典的な最適化手法がアーベル・ルフィニの定理によって非可解な代数的ランドスケープにおける量子ナッシュ均衡を見出すことに失敗することを証明し、一方で、ガロア群の作用を物理的に実現することで収束を保証する新しい量子編組アルゴリズムがこの障害を克服することを証明する、ガロア理論的量子ナッシュ学習（GT-QNL）というフレームワークを導入するものである。
本論文は、多様なトポロジおよびモビリティのシナリオにおいて、Contiki-NGを用いて5つの代表的なRPLルーティング層の攻撃のラベル付きデータセットを生成し、50以上の特徴量を抽出することで、低電力IoTネットワークにおけるトポロジ認識型機械学習検知システムの開発および評価のための再現可能なベンチマークを確立する、包括的なシミュレーションベースの研究を提示するものである。
本論文は、大規模な交通ネットワークにおけるフローベースの充電ステーション配置問題の解決において、ネットワークをより小さなサブ問題へと分割し、それらを個別に解決した上で集計された結果を精緻化することにより、計算効率とスケーラビリティを向上させるグラフベースの分解フレームワークを提案するものである。
本論文は、メモリマップド・ストリーミング・アーキテクチャを通じてガベージコレクションのレイテンシとメモリリスクを軽減することにより、リソース制約のあるデバイス上で4.35倍のスループット向上と最大75%のエネルギー削減を実現する、IoT向けのRust-PythonハイブリッドSPV検証エンジンを提案する。
本論文は、ゼロ知識証明、ブロックチェーン、および暗号文ポリシー属性ベース暗号を統合した新しいフレームワークであるZBA-SUを提案し、中央集権的な信頼への依存と属性漏洩を軽減しながら、IoTデバイスに対して安全でプライバシーを保護し、かつスケーラブルなソフトウェアアップデートを実現する。
本論文は、不確実性下におけるLLM意思決定エージェントの選択的リスク制御を評価しており、拘束力のある敵対的批判は、棄却のコストが低い場合には高リスク事例に対する効果的な保守的ゲートとして機能するものの、本質的に能動的な意思決定の質を向上させるものではなく、単純な方策に代わる優れた代替手段としてではなく、調整可能な延期レイヤーと見なすべきであることを明らかにしている。
本論文は、CSE-CIC-IDS2018データセットにおける一般的および稀なサイバー攻撃の両方の検出において高い精度と堅牢性を実現するために、最適化された特徴選択、少数クラスに対するTVAEベースのデータ拡張、およびスタックアンサンブル学習戦略を組み合わせた、不均衡に強いネットワーク侵入検知フレームワークを提案する。
本論文は、不確実性下でのタスク配置を最適化するために、タイプ2ファジィ論理とNSGA-IIを統合したオンライン・モバイルエッジコンピューティング・オーケストレーターであるFuMO-Edgeを提案し、既存のタイプ1のベースラインと比較して、特にデバイス高密度シナリオにおいて、サービス時間と失敗率の大幅な削減を実証している。
本研究は、23個の暗号化前Windows APIインジケーターを活用した不均一なANN–LightGBMスタッキングモデルが、ランサムウェアファミリーと良性ソフトウェアの分類において高い精度（95.20%）を達成できることを実証しており、単独のニューラルアーキテクチャを凌駕するプロアクティブな防御メカニズムを提示すると同時に、さらなる外部検証の必要性を浮き彫りにしている。