4092 件の論文
本論文は、複雑かつ遮蔽のあるシナリオにおいて赤外線電力設備の高精度かつ堅牢な検出を実現するために、マルチスケール特徴融合、動的な環境適応、および小物体強化モジュールを組み込んだYOLOv12sベースのフレームワークであるIR-PowerDetを提案し、96.8%のmAPに到達するものである。
本論文は、XGBoostと教師なし異常スコアリングを組み合わせた、統計的に検証された密度認識型のハイブリッドフレームワークを提案し、それによって悪意のあるDNS over HTTPSトンネリングを堅牢に検出し、ベースラインと比較して再現率の向上と偽陰性の減少を実証すると同時に、深層生成コンポーネントは追加的な利益をもたらさないことを確認するものである。
本論文は、MNISTおよびCIFAR-10を用いた実世界での実験を通じて、線形計算量のマルチキー集約と大幅な性能向上を実現しつつ、独立した鍵の構成および物理ハードウェアによる検証が今後の課題であることを透明性をもって認めた、IoTにおけるプライバシー保護型フェデレーテッドラーニングのための適応型リソース認識型MK-CKKSフレームワークを提示する。
本論文は、予測エントロピーと特徴空間における新規性スコアの間のランク一致を監視することにより、モデルの再キャリブレーションに対する証明可能な不変性を実現し、既存の信頼度ベースのモニターを悩ませる偽陽性を回避しつつ真の分布シフトに対する感度を維持する、視覚認識システムのためのラベルフリーのドリフト検出手法である-Guardを導入する。
本論文は、過剰な対称性が重要な位相情報を破棄してしまう幾何学的学習における「過剰不変性（over-invariance）」の失敗を特定および定量化し、標準的な振幅のみのモデルと比較して位相チャネルを効果的に復元し診断的平坦性を向上させる標的型の修復メカニズムとして射影的特性プーリング（Projective Character Pooling: PCP）を提案するが、それはオービット平均化の普遍的な代替策ではなく、限定的な解決策に留まるものである。
本論文は、異種混合の分散型およびフェデレーション学習システムにおいて、ストラグラ（遅延ノード）を軽減し、エネルギー消費を削減し、学習効率を向上させるために、リアルタイムの学習時間とエネルギー指標に基づいてサンプル予算を動的に再割り当てする、計測駆動型の適応的データパーティショニングコントローラを提案する。
FGD-Detは、ヘテロジニアスなデュアルストリーム・バックボーンと周波数誘導型デカップリング整列（Frequency-Guided Decoupled Alignment）を特徴とするステージごとの融合戦略を通じて、情報の密度差と空間的な不整合に対処する効率的な非対称マルチスペクトル物体検出フレームワークであり、LLVIPおよびFLIRベンチマークにおいて、計算コストを大幅に削減しながら最先端の性能を達成しています。
本論文は、微細な視覚的差異、複雑な背景、および限られたデータの可用性といった課題を効果的に解決することにより、豆の葉の病害の極めて正確かつ堅牢な認識を実現するために、畳み込みニューラルネットワーク、ピラミッド分割アテンション、およびリレーションネットワークを統合したディープラーニングフレームワークであるPR-CNNを提案する。
本論文は、高次元データセットにおいて優れた分類精度と大幅な計算時間の短縮を実現するために、重み付き多重カーネル学習とサンプル最適化を統合した、新しいオールインワン型多クラスSVMフレームワークであるAIO-MSVM-WMKを提案する。
PredictStrokeは、長期的な脳卒中リスク予測のためのアンサンブル機械学習モデルと、急性症状のトリアージのためのリアルタイムな視覚および音声ベースの分類器を統合したモジュール式の2段階システムであり、リスク評価における高い性能を示す一方で、リアルタイムのスコアが低かったとしても独立した急性検出モジュールの実現可能性を検証している。