BioGCN: Biologically Inspired Graph Convolutional Network to Predict Human Oral Bioavailability
本論文は、ATCコードをドメイン知識として統合することで、従来の機械学習手法や既存のモデルと比較してヒトの経口バイオアベイラビリティ予測の精度を大幅に向上させた、生物学に着想を得たグラフ畳み込みネットワークであるBioGCNを導入するものである。
4092 件の論文
本論文は、ATCコードをドメイン知識として統合することで、従来の機械学習手法や既存のモデルと比較してヒトの経口バイオアベイラビリティ予測の精度を大幅に向上させた、生物学に着想を得たグラフ畳み込みネットワークであるBioGCNを導入するものである。
本論文は、DSDownダウンサンプリングモジュール、Triplet Attention、およびRFCAConvベースのマルチスケール知覚をWIoU損失と統合した、強化された絶縁体欠陥検出アルゴリズムであるDTRW-YOLO11sを提案しており、これにより、複雑な送電線環境における誤検知や検出漏れを減少させながら、検出精度と計算効率を大幅に向上させる。
本論文は、クロスドメインの査読者推薦における意味論優先フィルタリングの限界を克服するために、意味、トピック、および引用のシグナルを統合する補償的マルチエビデンス・ランキングモデルであるRECO-Rankを提案し、これにより、トップランクの精度を維持しつつ、異なる用語を用いる適切な査読者の特定を向上させるものである。
本論文は、ニューラルネットワーク、遺伝的アルゴリズム、強化学習、およびサポートベクターマシンを組み合わせた、セメントの配合設計、キルン制御、およびライフサイクルアセスメントを同時に最適化する新しい統合型AIフレームワークを提案し、実装における主要な課題に対処しつつ、CO₂排出量、エネルギー消費量、および原材料使用量の著しい削減を実現するものである。
本論文は、複雑な背景内における微小な欠陥の局在化という課題に対処するため、階層的一貫性学習、タスク整合型ラベル割り当て、および特化型損失関数を統合することで、送電線絶縁体の欠陥識別を強化する軽量な検出フレームワークであるHCL-YOLOv8を提案する。
本論文は、体育の現場における立ち幅跳びに対して、フェーズごとの高精度な品質評価とフィードバックを提供するために、バイオメカニクスに基づいた標準的なモーションモデリングと4層のST-GCNを組み合わせた、軽量で解釈可能なフレームワークを提案するものである。
本論文は、手動によるアノテーション付きのトリプレットに依存することなく、ラベルなし画像からの構造化された意味的監督を活用することで、アノテーションが不足している領域における微細な検索性能を向上させる、構成画像検索のためのゼロショット適応フレームワークを提案する。
本論文は、多様なデータセットにわたる堅牢で高品質な融合を実現するために、モダリティ認識型エンハンスメント・モジュール、長距離依存性捕捉のための空間ゲート付きMambaモジュール、および統計ガイド型適応的融合モジュールを組み合わせることにより、マルチモーダル医療画像融合における異種特徴分布と適応的統合の課題に対処する新しいフレームワークであるMESFusionを提案する。
本論文は、係数回帰ブランチにおいて関連するチャネルを適応的に強調することで、リモートセンシング物体検出におけるフーリエ輪郭回帰の精度を向上させる軽量な特徴再校正戦略を提案しており、無視できる程度の計算オーバーヘッドで複数のベンチマークにおいて大幅な性能向上を実現している。
本論文は、グローバルな構造モデリングとローカルな詳細保持を効果的に両立させ、それによってリンギングアーティファクトを抑制しつつ最先端のモーションデブラー性能を達成するために、制約付き動的融合メカニズムを備えた空間・周波数デュアルドメインフレームワークを提案する。