974 件の論文
本論文は、アテンション駆動のアダプティブなマルチスケールサンプリングを用いて背景ノイズを低減し、領域・記述二部グラフ上での双方向反復伝播によって相互の意味的相関をモデル化することにより、ゼロショットの視覚言語分類を強化する、学習不要の手法であるAttention-guided Local Dynamic Alignment（ALDA）を提案し、多様なベンチマークにおいて大幅な精度向上を実現する。
本論文は、再識別メカニズムとU-Netベースの共分散アテンション識別器を統合することで、グローバルおよびピクセルレベルの両方のフィードバックを提供し、それによって単一画像超解像の結果における主観的な視覚的品質を大幅に向上させる、2次アテンション生成敵対的ネットワークであるSOAGANを提案する。
本論文は、RBC塗抹画像のDenseNet121に基づく解析と、CBCデータの処理のためのスタックアンサンブルモデルを組み合わせることで、貧血の検出および重症度分類において高い精度を実現するハイブリッド深層学習フレームワークを提案する。
インドの工学系の学生と教員を対象としたこの定量的研究は、ChatGPTのような生成AIツールが業界への即戦力性を高めるためにますます採用されている一方で、学生は利用するツールの範囲がより限定的であり、教員と比較して満足度も低いことを明らかにしており、高等教育におけるAIリテラシーの向上と個別化された学習戦略の必要性を浮き彫りにしている。
本論文は、35件の最新研究をレビューし、より体系的、透明、かつ再現可能な評価を可能にするための6つのコアコンポーネントからなる包括的なリファレンスフレームワークへと統合することにより、LLMベースのコード生成に関する実証研究における断片化と比較可能性の欠如に対処するものである。
本論文は、転移学習、CNN、およびアテンションメカニズムを統合したハイブリッド深層学習フレームワークを提案し、従来の感情検出システムの限界を克服することで、実世界のヒューマンコンピュータインタラクションにおける優れた精度、堅牢性、およびクロスドメイン適応性を実現するものである。
本論文は、CTPAによる血栓セグメンテーションのためのカスタムMask R-CNN、ICUの時系列解析のためのハイブリッドLSTM-GRUモデル、および臨床リスク評価のための人工ニューラルネットワークを統合したマルチモーダルAIフレームワークを提案しており、肺塞栓症の診断と患者のリスク予測を向上させるために、ダイス係数0.88および総合精度91.81%を達成している。
本論文は、質問の複雑さに応じて検索の深さとドキュメントの粒度を動的に調整し、不確実性に基づいた再検索を採用することで、推論性能の向上とハルシネーションの抑制を実現するフレームワークであるUAMG-RAGを提案しており、HotpotQAおよびWikiHowのベンチマークにおいて大幅な改善を達成している。
本論文は、客観的な属性重み、均衡のとれた距離測定、および適応的閾値設定のための内部フィードバックループを活用することで既存の限界を克服し、分類性能と堅牢性を向上させる、対称直観的ファジィTOPSISと自己相互作用型逐次的三値決定を統合した、データ駆動型かつ損失関数を用いない二値分類器を提案する。
本研究は、メルスペクトログラムに基づく畳み込みニューラルネットワークを用いた、マアティリ方言とマーイ・ソマリ方言を自動的に判別するための予備的なディープラーニングフレームワークを提示しており、放送から抽出された小規模なデータセットにおいて約81%の精度を達成したが、汎用性を確保するために、より大規模で多様なデータの必要性を強調している。