974 件の論文
本論文は、FMEAに基づくリスク定量化と大規模言語モデルによる文脈的推論を統合することで、パラメータ化されたシミュレーションおよびDataCo Smart Supply Chainデータセットを用いた広範な実証実験の両方によって検証された、統計的に有意かつ高再現率なリアルタイム・サプライチェーン・リスク評価を実現する、新規のLLM拡張型意思決定インテリジェンス・フレームワークを提示するものである。
本論文は、国連総会演説（2005年〜2024年）からなる新たな外交的反論コーパスを導入し、反論生成におけるクロスドメイン汎化の系統的なベンチマークを確立するために、時系列に整合したファインチューニング戦略を用いて最先端の大規模言語モデルを評価するものである。
CUPID-Medは、共形不確実性を考慮したプロトタイプ発見を活用することで、臨床的に解釈可能な集合値のクラスター予測と較正された信頼度スコアを生成し、ラベルなし医療画像データの構造化において決定論的なベースラインを大幅に上回る新しいフレームワークである。
本研究は、特徴量の解釈性のためのSHAPと競争的な価格設定分析のためのナッシュ均衡を組み合わせた、説明可能な二層のゲーム理論的ディープラーニングフレームワークを提案し、短期賃貸需要の予測において従来のモデルを大幅に上回る性能を実現するものである。
本論文は、TGAN、LSTM、およびRWFNNアーキテクチャを組み合わせた深層学習拡張カルマンフィルタである「スマート・ラーニング・エスティメーター（SLE）」を提案しており、これは従来の線形フィルタの限界を克服することで、長期的なGNSS信号途絶時における低コストなINS/GNSS航法システムの精度と堅牢性を大幅に向上させるものである。
本論文は、スタック型LSTMの最後から2番目の層から時間的特徴を抽出し、それらを消費者属性および時間的属性と組み合わせて勾配ブースティング決定木に適用する新しい2段階ハイブリッドアーキテクチャであるTDF-LSTGBMを提案しており、これにより、5つの消費者カテゴリにおけるマルチグラニュラリティなスマートグリッド電力需要予測において、従来のLSTMおよびARIMAモデルと比較して大幅に高い精度を達成している。
GraphGarmentは、シミュレーションで学習させたグラフニューラルネットワークと軽量な残差補正器を組み合わせることで、最小限の実世界データから衣類のダイナミクスを正確に予測し、堅牢なロボットによる衣類吊り下げを可能にする、データ効率の高いsim-to-realフレームワークである。
本研究は、鉄鋼製造における堅牢で解釈可能かつ自動化された品質管理を実現するために、ResNet50に基づく微細構造分類とYOLOv8に基づく表面欠陥検出をルールベースの深刻度推定と統合した、統一された説明可能なディープラーニングフレームワークを提示するものである。
本論文は、織組織のパターンを活用して方向性のある熱拡散と収縮勾配を算出することにより、従来の表面レベルのモデルでは捉えきれない、布地の複雑な熱座屈、ねじれ、および不均一なシワ挙動を正確に生成する糸レベルのシミュレーション手法を提案するものである。
AUDIT-AI研究は、商用のAIテキスト検出器が、ネイティブスピーカーによる著作物や検証済みのAI書き換えと比較して、非英語圏の機関による長文の学術文献を、AI生成と系統的に誤分類するかどうかを定量化するために設計された、事前登録済みの3群比較による診断精度監査である。