3729 件の論文
本研究は、調整可能な非対称損失関数、不確実性に基づく紹介戦略、および軽量アーキテクチャを活用することで、高リスクおよび前がん状態の症例の格上げを通じて安全性を優先しつつ、高性能な4クラスのリスク層別化を実現する、消化器内視鏡のためのリスク認識型ディープラーニングフレームワークを提案するものである。
本研究は、ラベルのないMicrosoft Azureのトレースに攻撃を注入することにより、クラウドストレージ向けの半合成侵入検知プロトタイプを経験的に評価し、ランダムフォレストモデルは有用なランキング信号を提供するものの、時間的なワークロードドリフト下での性能の不安定さや低速かつ長期的な攻撃（low-and-slow attacks）に対する検出力の低さが、それらがまだ本番環境へのデプロイには適していないことを示している。
この制御された研究は、5つのImageNet事前学習済みRGBバックボーンと2つの軽量プローブを用いたディープフェイク検出におけるクロスデータセット汎化能を評価しており、FaceForensics++、Celeb-DF、およびDFDの各データセット間における性能差を解消するためには、ソースドメインの網羅性と評価プロトコルがバックボーンの選択と同様に極めて重要であることを明らかにしている。
本論文は、標準的な観測・行動・報酬の三つ組から導出される相互作用エントロピーと結合度指標に基づき、展開された強化学習エージェントにおける環境デカップリングおよび相互作用ドリフトを検出するための、報酬に依存しない実行時モニタリングフレームワークを導入するものであり、従来の報酬ベースのモニタリングと比較して優れた故障検出能力を実証している。
LODTEフレームワークは、局所的な輪郭幾何学フィルタと高速スクリーンキャプチャを活用することで、クラウドへの依存を排除し、レイテンシを35ミリ秒未満に低減し、リソース制約のあるハードウェア上で高い認識忠実度を維持しながら、リアルタイムのナビゲーション・テレメトリを解析する、軽量で決定論的なエッジベースのシステムを導入する。
161件の研究を対象としたこのスコーピング・レビューは、生成AIによる臨床教育コンテンツにおいて、研究が表現の忠実性の評価を圧倒的に優先する一方で、人口統計学的バイアス、緩和策、および報告の再現性の評価を大幅に軽視しているという、顕著な検証の非対称性を明らかにしている。
本論文は、NISTに準拠したフレームワークを統合し、脅威ベクトルを評価し、HIPAAやGDPRなどの規制への遵守を確実にするためのガバナンス・ロードマップを確立することで、クラウドネイティブなヘルスケアシステム向けにカスタマイズされたゼロトラスト実装の包括的な系統的レビューおよびアーキテクチャ分類を提示するものである。
本研究は、2011年の国勢調査データを用いてマハーラーシュトラ州パルガール地区における部族コミュニティの持続可能性を分類するAIベースのフレームワークを提案し、ロジスティック回帰によって高い精度を達成するとともに、教育が最も重要な要因であることを特定したが、その結果はターゲットクラスと入力特徴量の間の循環的な関係により、主に概念実証としての役割を果たすものである。
本論文は、非構造化されたオンライン記録から派生した、発言者の特定、日付の照合、およびLLaMAを用いたトピック分類を組み込むことで、インド議会における言説の計算論的分析を可能にする、構造化・洗浄・トピックラベル付与されたラージヤ・サバー（インド上院）討論コーパスを提示するものである。
本研究は、ウォームアップ・プロトコルの選択、具体的にはJITコンパイル、ガベージコレクション、および遅延評価の影響の除外または包含が、Julia、Haskell、およびPythonにおけるワークロード・ランタイム・スケーリング・シグネチャ（WRSS）およびボトルネック遷移点をどのように歪めるかを調査し、標準的な定常状態のベンチマークが現実世界の初回実行パフォーマンスを誤認させ、誤解を招く言語間のスケーリングの結論を生み出す可能性があることを明らかにしている。