929 件の論文
本論文は、LLMによるメンタルヘルス支援において、会話のラポールを維持しつつ、リスク管理と臨床医が推奨するエスカレーションを大幅に向上させるために、文脈的リスク検出、推論ベースの検証、およびプロトコルに従った応答生成を統合した、モデルに依存しないマルチターン・セーフティ・ガバナンス・アーキテクチャを提示する。
このベンチマーク研究は、952件の非構造化病理報告書を用いて、DeepSeekモデルが癌種を効果的に抽出しAJCCステージを予測できる一方で、評価されたフレームワーク下では、DeepSeekが抽出した構造化変数は元の病理報告書テキストを直接使用した場合と比較して予後予測を有意に改善しなかったことを示しており、情報の抽出とステージ判定にDeepSeekを活用し、アウトカムモデリングには従来の機械学習に依存するというハイブリッドアーキテクチャを支持している。
本論文は、ハイブリッドなマルチフィーチャー融合のためにConv-Guided Mamba Vision TransformerとSPP-DenseNet121を統合し、クエリ拡張を用いることで、内視鏡による膀胱組織および胃腸データセットにおいて高い検索精度を実現する、新しいコンテンツベースの医用画像検索フレームワークを提案するものである。
本論文は、短時間フーリエ変換およびメルスペクトログラムを用いたスペクトログラムベースのディープラーニングフレームワークを提案し、畳み込みニューラルネットワークを用いてカルナータカ音楽のヴィーナ演奏におけるスワラ（音名）とガマカ（装飾音）を自動的に認識することで、特有の音響的課題に対処し、転写、教育、およびデジタルアーカイブへの応用のための基礎を確立するものである。
このデザインに基づくケーススタディは、AIをパスウェイ・プランニングのための説明レイヤーとして位置づけつつ、人間の監視を維持し、学生のデータを保護し、学習者のエージェンシーを育むための、プライバシー保護フレームワークと8つのデザイン原則を提案することにより、コミュニティ・カレッジのアドバイジングに関する生成AI研究の空白に対処するものである。
本論文は、拡散ベースのシーン再構成と制御可能なサンプリング・パイプラインを通じて、シーン固有の幾何構造をセンサー固有のサンプリング効果から分離することにより、堅牢なクロスセンサー性能を実現する、ゼロショットで汎用的なLiDARセマンティックセグメンテーション・フレームワークであるLiSeerを紹介するものである。
本論文は、元来畳み込みネットワークで検証されたGaaR進化型アーキテクチャ探索フレームワークが、DirectMLを介した消費者向けAMD GPU上で自己回帰型トランスフォーマー言語モデルへと正常に転移し、競争力のある性能を達成するとともに、制御された搾取が構造化されたランドスケープにおいてランダム探索よりも優れていること、および固定ステップ予算の下では幅広く浅いアーキテクチャを好むことを明らかにしている。
本論文は、中央集権的なデータを必要とせずに8カ国における性感染症（STI）およびHIVのリスク予測において高い精度を実現する、重み付き集約を用いたプライバシー保護型の分散型CatBoostフレームワークを提案しており、それによって従来の集中型機械学習モデルに代わる堅牢な選択肢を提供するものである。
NAE-VCは、H.264、H.265、およびH.266コーデックにおける標準的なCABACエンジンを、コンテキスト集約、ガウス混合モデリング、およびハイパープライア（超事前分布）を組み合わせたニューラルアーキテクチャに置き換えることで、既存のビデオ符号化規格との完全な互換性を維持しながら大幅なビットレート削減を実現する、モジュール化された学習型エントロピー符号化フレームワークである。
本論文は、局所最適解への停滞および静的なアンサンブル重み付けにおける限界に対処しつつ、Breast Cancer Wisconsinデータセットにおいて最先端の疾患診断性能を達成するために、特徴量選択のためのGWO-SAメタヒューリスティック、不確実性加重スタッキングアンサンブル、およびクローズドループSHAPフィードバックメカニズムを統合した新しい3段階ハイブリッドフレームワークであるMUNNAを導入する。