4157 件の論文
本論文は、Hubble/eBPFネットワークテレメトリを、注意深く構築されたグランドトゥルースラベルと組み合わせることで、Kubernetes環境におけるランタイム攻撃や設定ミスを効果的に検出できることを実証しており、ルールベースの検出器による高い適合率とランダムフォレスト分類器による高い再現率との間のトレードオフがあるにもかかわらず、宛先側のアイデンティティ属性が脅威の最も強力な指標であることを明らかにしている。
本論文は、現実的なクラス不均衡が存在するヘテロジニアスなIoTネットワークにおいて、正常なトラフィックのみを用いて学習し、双方向の時間的エンコーディングを利用することで既存手法と比較して誤検知率と分散を大幅に低減させる、高精度な異常検知を実現する教師なし時空間ハイブリッドオートエンコーダであるST-HAEを提案する。
本論文は、ビデオ、オーディオ、および姿勢データを統合して未就学児の教室における注意レベルを堅牢に評価するマルチモーダルなTransformerベースの手法を提案しており、様々な集中状態においてベースラインモデルと比較して優れた性能と安定性を実証している。
本論文は、CBEC-AIGC-Benchデータセットを導入し、空間意味論および周波数アーティファクトの分岐とクロスアテンションメカニズムを組み合わせることで、生成アーティファクトを販促テキストの干渉から効果的に識別するマルチフィーチャー融合ネットワークであるMFF-EComDetを提案することにより、越境ECにおけるAI生成製品画像の検出という課題に取り組むものである。
FluxGraphは、動的グラフアテンション、フラックスメモリ、および双方向の特徴量フローを相乗的に活用することで、産業および自動車システムにおける微細な仮装アノマリーや緩やかなベースライン・ドリフトを効果的に特定し、斬新なマルチ残留物融合アプローチを通じて既存の手法を凌駕する、時系列異常検知のための教師なしフレームワークである。
本論文は、応答を原子的な主張へと分解し、それらを検索によって根拠付け、さらに小規模言語モデルとニューロシンボリック推論を通じて検証することで、大規模言語モデルの事実における信頼性を高める多層フレームワークを提案しており、解釈可能性と計算効率を維持しつつ、HotpotQAおよびSciFactデータセットにおいて大幅な性能向上を実現している。
本論文は、イスラム幾何学文様における正確な回転対称性と構造的妥当性を保証するために、形式的な幾何学的規則をグラフ補完モデルに埋め込んだ知識制約型ニューラルフレームワークを提示し、データ拡張は忠実度を向上させるものの、対称性の構造化された推論のみが違反ゼロを保証することを実証する。
GeoMindは、ローカルLLM、RAGベースのコンテキスト注入、および決定論的な地理空間バリデーターをクローズドループの自己修正システムへと統合した自律型マルチエージェントフレームワークであり、一般的な汎用LLMに共通する意味論的および地理的なハルシネーションを効果的に克服することで、最先端の90%というタスク成功率と地理空間分析における大幅に向上した空間精度を実現しています。
本論文は、ソフトウェア定義無線を用いた非接触型呼吸パターン分類における多層パーセプトロン、XGBoost、およびランダムフォレストのモデルの統計的に検証されたベンチマークを提示しており、MLPとランダムフォレストがXGBoostよりも優れた精度を達成すること、および、速呼吸と睡眠時無呼吸のパターンが最も識別が困難であることを特定し、さらにランダムフォレストが過学習による高い汎化ギャップを有することを明らかにしている。
本論文では、コンピュータビジョンと機械学習を活用して、ウェブインターフェースを介したリアルタイムの姿勢解析と矯正フィードバックを提供することで、理学療法士による絶え間ない監督を必要としない、アクセシブルで費用対効果が高く、かつ自己ペースでのリハビリテーションを可能にする、AI搭載型スマート理学療法アシスタントを提案する。