3657 件の論文
本論文は、ゼロトラスト・ゼロ知識原理、差分プライバシーを伴う振る舞いベースの連合学習、および高スループットのプルーフ・オブ・オーソリティ・ブロックチェーンを統合することで、低遅延かつ低コストを維持しながら、99.2%の精度と攻撃に対する堅牢なセキュリティを実現する、軽量でプライバシー保護に優れたIoT認証フレームワークを提案する。
本研究は、Cleveland Heart Diseaseデータセットを用いて5つの機械学習モデルを評価し、キャリブレーションされた閾値0.552を用いたロジスティック回帰が最良の性能（正解率85.71%、ROC-AUC 0.939）を達成した一方で、主要血管、胸痛のタイプ、およびタリウム検査の結果が主要な予測因子であることを特定したが、著者らはこれらの知見を多様な集団に一般化する前に外部妥当性の検証が必要であることを強調している。
本研究は、構造化された抽出、標的を絞ったエビデンス検索、および専門家のルールを統合することで、人間の監視を維持しつつ適格な候補者を優先させ、ヘルスケア分野における履歴書スクリーニングの正確性、説明可能性、および効率性を大幅に向上させる、インターネット検索拡張型ソフトプロンプト・チューニング済み大規模言語モデルフレームワークを提示するものである。
675本の論文のスコーピングレビューを通じて、本論文はヘルスケア分野における信頼できるAIの原則の定義における重大な概念的不一致を特定し、これらの概念を標準化し、当該分野の証拠に基づく基盤を強化するための統一された枠組みと研究の優先事項を提案する。
本論文は、エッジノードにおけるCPUのみによるLLM推論の性能とメモリ制約を特徴付け、ボトルネックは演算能力ではなくメモリ帯域幅であること、および量子化が予期せず実行時メモリ使用量を増加させることを明らかにし、正確なデプロイメント計画のために新たなサイジングモデルが必要であることを示している。
本論文は、未知のタスクに対して較正された構造化された決定を高い精度かつ長いコンテキストに対する堅牢性をもって効率的に生成する、396Mパラメータのコンパクトでオープンなエンコーダーモデルであるtypic-bertを紹介しており、これはLayaのようなより大規模なモデルを大幅に凌駕しながら、最小限の学習リソースしか必要としない。
本論文は、異種混合的な生物医学文献における研究の進化を追跡するための、新規かつスケーラブルなフレームワークを提示するものであり、これはデジタル医学における78,073件の記事に適用され、機械学習および生成AIにおけるトレンドの変遷を明らかにするとともに、トピックにおける多くの見かけ上の減少が、真の関心の減退ではなくキーワードソースの変化によるアーティファクトであることを実証している。
本研究は、UCI早期糖尿病データセットにおける機械学習分類器の高い性能が広く報告されているものの、それが同一または類似の症状プロファイルによるデータリークによって著しく膨張していることを示しており、厳格なプロファイル・グループ化交差検証を行うことで、精度推定値が大幅に低下し、モデルのランキングが変化することを明らかにしている。
BTC-FUSIONは、CoinJoinを認識するリゾルバ、勾配ブースティングによるランキング、および厳格な誤差境界を持つ回答ポリシーを採用することで、特定の敵対的条件下における属性特定精度の限界を認めつつ、ビットコインのP2Pネットワークのメタデータとオンチェーン分析を融合させ、不正活動検知のための説明可能でリスク制御されたリードを生成するオフラインシステムである。
本論文は、病変レベルのデータ漏洩による深刻な性能の過大評価と輝度に基づく肌の色調プロキシの信頼性の低さを明らかにすることで、皮膚科AIにおける肌の色調の公平性に対処し、最終的に、厳格な評価プロトコルと、現実的な臨床条件下で暗い肌の色調に対するモデルの感度を大幅に向上させるトーン適応型前処理パイプラインを提案するものである。