1019 件の論文
本研究は、エージェントベースモデリングと強化学習を用いて、セキュリティオペレーションセンターにおけるトレーニング期間が非線形なパフォーマンス向上をもたらすことを実証しており、最適な投資は500から1,000エピソードの間で発生し、高度に訓練されたチームは20〜25名の人員を追加採用することに相当する効率上の優位性を達成することを明らかにしている。
本論文は、物理的なHID侵入とMQTTネットワーク攻撃を連鎖させることで、制約のあるIoTデバイスにおける重大なセキュリティとパフォーマンスのトレードオフが露呈することを実証する再現可能な実験的フレームワークを提示しており、TLSは強力な機密性を提供する一方で、レガシーなハードウェアにおいては法外なレイテンシとメモリコストを発生させることを明らかにし、それによって、効率的かつスケーラブルな保護のためにアクセス制御リストを優先する新しいハイブリッド防御層（Hybrid Defense-in-Depth）アーキテクチャを動機付けている。
2018年から2026年までの13,502件のAI/ML関連の撤回記録に関するこの特性評価研究は、コンピュータ生成コンテンツが撤回の最大の単一の推定原因であり、事例の34.8%を占め、主に2021年から2023年の間に発表された論文に影響を与えていることを明らかにしている。
本論文は、微分方程式と機械学習を統合して脅威の伝播ダイナミクスをモデル化し、異常を検出し、防御制御戦略を最適化することにより、IoTネットワークを保護するための統一された状態空間フレームワークを提案するものであり、これはシミュレーションによるSEIRSマルウェアのケーススタディを通じて実証されている。
本論文は、類似したパターンを持つ学生をグループ化し、相互作用を正解および不正解のサブグラフに分解して独立した学習を行い、自己教師ありアライメントを用いて認知状態評価の精度を高めることにより、学生の回答データにおけるデータの疎性を解決する、グループ認識型認知診断（GACD）フレームワークを提案する。
本論文は、タスク固有のフィードバックと局所的なスパイクベース学習を統合することで、時空間的なEEGデータの分類精度と解釈性を向上させる、恒常性と報酬最適化を備えたスパイキングニューラルネットワークフレームワークであるHERO-SNNを提案し、ハブニング（Havening）に基づくタッチプロトコルの研究において、標準的なSTDPおよび最先端のディープラーニングモデルの両方を凌駕することを提示する。
本論文は、セグメント化されたマルチチャネルEEGデータから催眠感受性を分類する、解釈可能なAutoML駆動型CNNフレームワークを提案しており、その最良のフォールドにおいて完全な精度を達成し、XAI技術を通じてアルファ波およびガンマ波帯域が最も重要な特徴であることを特定している。
本論文は、摂動を抑制するために周波数認識型防御モジュールと時空間周波数動的敵対的損失を統合し、防御の有効性と視覚的品質の復元とのバランスをとるために極値ガイド型動的トーンカーブモジュールを採用した、新しい敵対的堅牢性を備えた赤外線・可視光画像融合フレームワークであるFDCNetを提案する。
本論文は、AHCDおよびHIJJAデータセットにおけるアラビア語手書き文字認識において、最先端の精度と堅牢性を達成するために、ニュートロソフィック不確実性モデリングとソーベルに基づく不定性を、CNNおよびBiLSTMと統合した新しいハイブリッドフレームワークであるDeepNeutroBiLSTMを提案するものである。
本論文は、異常およびその関係性に関する事前知識を活用してテキストプロンプトを構築することで、基盤モデルと拡散技術を用いて様々な製品クラスの現実的な異常画像を生成することを可能にする、知識グラフ誘導型フレームワークを提案する。