927 件の論文
本論文は、バイオメディカルイメージングにおける解剖学的構造を撮像依存的な変動から分離するためのメタデータによる教師あり手法を提案し、これにより、多様な撮像プロトコルや施設間での汎用性、解釈可能性、および臨床展開を向上させる、撮像特性を考慮した表現および統一されたハーモナイゼーションモデルの構築を可能にする。
本研究は、解釈可能なアンサンブル機械学習フレームワーク、具体的にはExtra Trees回帰を用いることで、プロセスパラメータに基づきTiO₂–PVP電界紡糸ナノファイバーの直径を正確に予測できることを示しており、それによって、従来の時間を要する実験的な最適化手法に代わる、極めて効率的かつ精密な代替手段を提供するものである。
本論文は、軽量なマルチスケール特徴融合ネットワークであるMSF-TrashDetを提案しており、これは、新規のマルチスケール特徴強化ブロックと構造化チャネルプルーニングを活用することで、TrashNetデータセットにおいて、YOLOv5n、YOLOv8n、およびYOLOv11nといった最先端のモデルを上回る91.91%のmAP50を達成しつつ、低い計算複雑性を維持しながら高精度かつ効率的な廃棄物物体検出を実現するものである。
本論文は、任意のバイナリファイルに対して、理想に近いランダム性、強力な統計的攻撃への耐性、および高スループットでのロスレスな復元を実現するために、ユニモジュラ・ヒル暗号とカオス的なロジスティック写像に基づくXORストリーム暗号を組み合わせた、スケーラブルなハイブリッド暗号フレームワークを提案する。
本論文では、任意のバイナリファイルに対して安全でロスレスかつサイズを維持した暗号化を実現するために、動的に生成されるユニモジュラ・ヒル暗号、ロジスティック写像に基づく鍵導出、および楕円曲線暗号を統合した統一フレームワークである、ハイブリッド分割型カオス暗号システム（HSBCC）を提案する。
本研究は、ブロック疎なプルーニングが、標準的なハードウェア上での推論レイテンシを改善することなく、エッジデプロイメントに向けて深層学習を用いた侵入検知モデルを大幅に圧縮する一方で、クラス固有の不安定性を導入し、マイノリティな攻撃タイプに対する性能問題を解決できないことを示している。
本論文は、グラフニューラルネットワーク、NSGA-II最適化、およびコンテキストティック・バンディットを統合することで、SLO違反、エネルギー消費、運用コスト、およびクラスター間トラフィックを同時に最小化しつつ、公平性と安定性を最大化する、連邦型クラウド環境のためのAI駆動型フレームワークを提案しており、実験的評価において既存の手法よりも優れた性能を達成している。
本研究は6つの対話型AIプラットフォームを評価し、それらが共感を一貫してシミュレートしている一方で、危機検知とエスカレーションにおいて著しい不整合を示しており、文書化された安全性へのコミットメントと実際の相互作用におけるパフォーマンスとの間に決定的な乖離があることを明らかにしている。
本論文は、自律走行車両のナビゲーション精度を向上させ、GPSスプーフィングに対する堅牢性を高めるために、レジーム認識型のモーション分類パイプラインと、カルマンフィルタのノイズパラメータに対する強化学習ベースの適応的チューニングを統合した、統一的な二段階ハイブリッドフレームワークを提案する。
本論文は、完全グラフ・ヒル暗号とShift128残留暗号を組み合わせたハイブリッド暗号フレームワークであるCGHC-S128を提案するものであり、これはパディングなしで任意のサイズの汎用バイナリファイルを安全かつ効率的に暗号化しつつ、数学的な鍵の可逆性、完全な復号、および暗号解読攻撃に対する強力な耐性を保証するものである。