929 件の論文
本論文は、400件の臨床的に検証された合成レポートを活用して視覚言語モデルを事前学習させる、2段階の合成から実データへの転移学習フレームワークを提案しており、これにより既存の最先端手法と比較して、自動マンモグラフィレポート生成の性能とデータ効率を大幅に向上させ、ハルシネーションを減少させている。
本論文は、共有エンコーダと潜在表現を用い、動的に再構成されるデコーダ側アダプタを活用することで、特に低ビットレートにおいて、機械による分類のための意味的識別能と人間による知覚のための高周波テクスチャ忠実度を統一された画像符号化の中で同時に向上させる、タスク適応型デコーダ特化フレームワークを提案する。
本論文は、量子鍵配送（QKD）ネットワークのシミュレーション、分析、およびデプロイメントを効率化するために、SeQUeNCe、QuNetSim、およびSimQNを、API駆動型の通信とインタラクティブな可視化を備えた統一されたスケーラブルな環境へと統合する、Dockerベースのフレームワークを提案するものである。
本研究は、21,000枚を超える眼底写真でファインチューニングされたドメイン事前学習済みVision Transformer（RETFound）が、4クラスの視力を予測する上で実質的な一致を示すとともに、低視力の眼では網膜血管へと、正常視力の眼では黄斑へと移行する解剖学的に組織化されたアテンションパターンを形成し、それが分類の正確性と相関し、不確実な予測に対する解釈性を提供することを実証している。
10の書誌コーパスに対して厳格にリークを軽減したフレームワークを適用することにより、本研究は、時間的に厳密な条件下において、年代的距離が引用形成の支配的な予測因子であり、意味的整合性や引用ネットワークにおける卓越性を一貫して上回る予測力を有することを実証する。
本論文は、時空間キャリブレーションとクロスアテンション・フュージョンを通じてカメラ、LiDAR、およびレーダーのデータを統合し、物体検出のためのYOLOv12によるローカライゼーションと、分類能力向上のための改良型ヒッポポタマス最適化アルゴリズムによって調整されたTemporal Fusion Transformerを活用する、高度運転支援システム（ADAS）向けの堅牢な物体検出フレームワークであるCAMSF-ADASを提案する。
本論文は、Arm TrustZone-Mを用いた実シリコン検証を通じて、暗号アルゴリズムを定数時間実行のために再設計することは、後付けの修正（レトロフィッティング）よりも優れていることを実証しており、後者はコストが約2桁高くなるだけでなく、命令単位の検証によってのみ検出可能な、悪用可能な制御フロー漏洩を保持するリスクも伴う。
本論文は、繰り込み群に着想を得た周波数認識型の漸進的学習戦略を提案しており、これは低周波から高周波のブランチを減衰する学習率とともに逐次的に活性化させるものであり、低次元かつ少数のデータを用いた回帰タスクにおいて一貫した改善を示す一方で、スケール分離の関連性が低い高次元または滑らかなプロセスを伴うシナリオではその有効性が減少することを明らかにしている。
本論文では、適応的確率ランキング、敵対的学習とトポロジカル学習を組み合わせた二段階の強欲戦略、およびJADE変異を導入することで、高次元の工学最適化問題および電力負荷予測のためのハイパーパラメータチューニングを効果的に解決する、従来のALAを強化した二段階誘導型人工レミングアルゴリズム（DALA）を提案する。
本論文は、アーキテクチャのオーバーヘッドを増大させることなく、埋め込みの複雑性の変化に伴う課題に対処するために、損失構成と正則化戦略を動的に調整することにより、高容量なCNN/GAN画像ウォーターマーキングシステムの安定性、知覚的透明性、および堅牢性を向上させる適応的最適化フレームワークを提案する。