929 件の論文
本論文は、標準的なデータセットにおいてプライバシー保護と高品質な画像合成の優れたバランスを実現するために、適応的な勾配クリッピングとノイズ注入を採用した、差分プライバシー強化型深層畳み込み生成敵対的ネットワークであるDP-DCGANを提案する。
本論文は、リアルタイムのメトリクスとユーザー定義の目的に基づいて、統合されたポリシーフレームワークから最も適切な戦略を動的に選択するために学習済み決定木モデルを利用する、CloudSimPlusのためのAI駆動型適応型負荷分散機能を紹介するものであり、これにより動的なクラウド環境における効率性と意思決定を向上させる。
本論文は、SDN-IoT侵入検知システムにおけるメンバーシップ推論攻撃および属性推論攻撃を軽減するためには、差分プライバシーのみに依存するよりも、過学習を防ぐための強力なモデルの汎化性能を優先させることがより効果的な戦略であると主張し、高い検知精度を実現しつつプライバシーを保護するためのハイブリッドなAOPRF-XGBoostカスケードモデルを提案する。
本論文は、サービス能力を劣モジュラ影響最大化問題としてモデル化することにより、単回ラウンドの最適性ではなく負荷を考慮した配置戦略を通じて長期的なネットワークの持続可能性を達成する、水中無線センサーネットワークにおける多目的クラスターヘッド選択に対処する、寿命を考慮した進化論的フレームワークであるLA-MOCHSを提案する。
本論文は、正確かつ解釈可能でコンプライアンスに準拠した意思決定を保証しつつ、マシンアンラーニング（機械学習の忘却）をサポートするために、較正済みXGBoostモデル、SHAPに基づく説明可能性、および予算を考慮したエージェント型介入レイヤーを統合した、プライバシー保護型かつリソース制約のある早期学習者リスク予測フレームワークを提案する。
本論文は、セル・オートマトン、改良型人工蜂コロニーアルゴリズム、およびホップフィールドネットワークを用いた強化学習を統合した、新しいバイオインスパイアード・ハイブリッド・メタヒューリスティックであるCerebroTuneを紹介し、既存の手法と比較して、多様な領域において優れた精度、計算コストの削減、および安定性の向上を実現する、ディープラーニングのハイパーパラメータの動的な最適化を行うものである。
本論文は、二層情報共有フレームワークと動的パレート優位性を備えた改良型ゴールドマイン最適化アルゴリズム（IGMO-DP）を提案し、ミッション完了時間、エネルギー消費、および負荷分散を同時に最適化することで、異種UAVスウォームの多目的スケジューリング問題を効果的に解決し、最先端のアルゴリズムと比較して優れた収束性と解の多様性を実証するものである。
本論文は、ジャーナルのアンバンドル化とAIを介した知識アクセスが進む時代において、科学的インパクトを測る従来の引用ベースの指標は時代遅れになりつつあり、正式な出版物を欠くAIへの関与やオープンソースライブラリ、およびデータセットの貢献を認識し測定する新しいシステムが必要であることを論じている。
本論文は、解析的に補正されたG/G/c遅延近似とリアルタイムのキュー観測をハイブリッド化することで、変動するワークロード下でタスクを動的に割り当てる、コンピューティング・コンティニュアムのためのキュー認識型タスク・オフローディング手法を提案し、学習やキャリブレーションを必要とすることなく、既存のベースラインと比較して遅延と推定誤差を大幅に削減する。
本論文では、適応的動的畳み込み、変形アテンション、および動的サンプリングモジュールを統合することで、高解像度リモートセンシング画像検出におけるターゲットサイズの変動、密集した小物体、および複雑な背景といった課題に効果的に対処する動的知覚強化ネットワークであるDPENetを提案する。