4092 件の論文
本研究は、ニューラル機械翻訳における限界に対処するために、マルチヘッドアテンション（MHA）によって強化された双方向長短期記憶（BiLSTM）モデルを提案し、既存の手法と比較して、アライメント精度、BLEU、およびMETEORスコアにおいて優れた性能を示すものである。
本研究は、メモリフォレンジックにおける難読化されたマルウェアの検出において、較正された不確実性を考慮した確率を生成するために、コンパクトな分類ヘッドに対してのみハミルトニアンモンテカルロ法を適用する部分ベイズフレームワークであるMAL-BAYES-IIIを導入するものであり、これは生の精度において従来の勾配ブースティングを上回ることはないものの、診断的価値および選択的レビュー機能を提供するものである。
本研究は、多源的な地理空間データと街路ネットワークのトポロジーを融合させて動的な機能的都市中心性をモデリングする、教師なしグラフ・アテンション・ネットワーク・オートエンコーダ（GAT-AE）フレームワークを導入するものであり、従来の線形手法と比較して、優れた空間的一貫性と複雑な非線形都市現象を特定する能力を実証している。
本論文は、結果を考慮した推論割り当てが理論的には価値がある一方で、マルチロボットシステムにおけるその実用的な実装は、高価値な機会の本質的な希薄さによって著しく制限されており、それが学習されたルーターにおける分類器の崩壊を招き、委譲や専門化を通じた真の創発的な集団的認知を生み出すことに失敗していることを実証するものである。
本論文は、顧客とデポの割り当てと車両ルートを同時に最適化するために、局所探索法を組み合わせた二層構造のハイブリッド帝国主義競争アルゴリズムを提案しており、標準的なベンチマークにおいて約2%以内のギャップで競争力のある結果を達成している。
本論文は、チャネル・プルーニングが正則化として機能することで、小規模データかつ高冗長性のレジームにおいてのみ歩行者検出のノイズ耐性を向上させる一方で、多様なデータセットへの汎化には失敗し、計算量の削減もわずかなものにとどまることを経験的に実証している。
本論文は、MODMAデータセットにおいて96.74%の平均精度を達成しつつ、多様な臨床データを用いたさらなる検証の必要性を強調しながら、mRMR特徴選択によって強化されたハイブリッドCNN–GRUディープラーニングフレームワークを用いて、脳波信号から大うつ病性障害を効果的に検出することを提案する。
本論文は、直接的なロジット属性、因果的活性化パッチング、およびアブレーション技術を組み合わせることで、事前学習中のアテンション回路の出現を追跡し、AIの安全性とアライメントを強化するための新たな回路安定性指標を通じてその因果的堅牢性を定量化するモジュール式フレームワークである、メカニスティック・サーキット・トラッキングを紹介するものである。
本研究は、スマートコントラクトの脆弱性検出における14種類の大型言語モデルを評価し、プロンプト戦略や推論時の計算量の増加よりもモデルの選択がより重要であることを明らかにしており、大規模なフロンティアモデルが優れた信頼性を示す一方で、小型のモデルや拡張された推論技術は性能を低下させる可能性があることを示している。
本論文は、二重ヘッド・パラメトリック・プロトタイプ構造と敵対的整合性ガードレールを活用することで、堅牢でプロンプトを意識した採点を実現し、かつ脱線した回答を効果的にフィルタリングする、自動記述式問題採点のための新しいエンドツーエンドのフレームワークであるPerceive AIを導入するものである。