4092 件の論文
本論文は、レコードレベルのデータに対する構文的プライバシー制約と集計クエリに対する差分プライバシーを組み合わせた二層の匿名化パイプラインのセキュリティを、現実的なレコード連結攻撃に対して実証的に評価しており、結合された形式的な保証の欠如が、多様なデータセットおよび知識シナリオにわたる直接的な敵対的評価を必要とすることを実証している。
本論文は、LLMベースのテキスト要約におけるハルシネーションを効果的に検出し、定量化し、説明するために、強化されたSMILEパイプライン内での意味的不安定性とSHAP属性分析に基づいたハルシネーション深刻度スコア（HSS）を導入する新しいフレームワークを提案するものである。
本論文は、適応的サブセット選択攻撃（ASSA）ヒューリスティックを用いた、予算制約のある協調的な摂動に対する最尤ペアワイズランキング推定量の堅牢性を調査し、ランキングの脆弱性が普遍的に予測可能なものではなく、データの依存性やレジームへの感受性が高いことを明らかにしている。
本論文は、動的なモーダル補助学習、KANに基づく視覚・音声極性校正、および信頼度駆動型のサンプル選択を統合することで、モーダルの信頼性の変動と境界サンプルのノイズに効果的に対処し、マルチモーダル感情分析を強化する、TDCO-Net（Triple-Dynamic Collaborative Optimization Network）を提案する。
本論文は、異種テレメトリソース間の意味的な不一致を明示的に評価する新しい一貫性認識矛盾スコア（CACS）を活用することで、フェデレーテッド・マルチクラウド環境におけるゼロデイ脅威を検出し、既存の手法と比較して検出リコールを大幅に向上させ、かつ誤検知を低減させる、矛盾認識型推論フレームワークであるCAMF-Zeroを提案する。
本論文は、視覚的特徴とテキスト的特徴をスタックアンサンブル学習手法を用いて統合することで、単一モードの手法を凌駕する最先端の精度（98.41%）を感情認識において達成しつつ、SHAPおよびLIMEを通じて解釈性を確保する、堅牢かつ説明可能なマルチモーダル融合フレームワークを提案するものである。
本論文は、特定の層を用いて転移学習を強化する堅牢なGDD-TL手法を提案しており、これは蝶の種の分類において94.33%の精度を達成して標準的なCNNアーキテクチャを凌駕し、多様なデータセットにわたる強力な汎化性能を実証している。
本論文は、アブストラクトのみから導出された、透明性が高くドメインから分離された言語モデルの指紋が、明確な「検証可能性」の軸を孤立させることによって、研究の再現性を予測する上で引用ベースの指標を大幅に上回ることを実証しており、それによって、なぜ引用が科学的堅牢性のプロキシとして失敗するのかを説明している。
本研究は、データサイエンスと人工知能を用いて出版メタデータを体系的に分析し、グラフベースのモデルを構築することが、イングランド北部のアルコール、依存症、およびメンタルヘルスに焦点を当てた臨床および学術的なヘルスリサーチネットワークを構築するための、手動による手法に代わる、スケーラブルで効率的かつ偏りのない代替手段であることを実証している。
この多施設共同研究は、合成データ拡張のためのガボール事前分布ガイド付き拡散モデルと状態空間ベースのセグメンテーションネットワークを組み合わせた新しいフレームワークを提示しており、これらは総じて心嚢液貯留の描出精度を向上させ、内部および外部のエコーデータセットにわたる堅牢な汎用性を実証した。