3729 件の論文
本研究は、実際のトラフィックテレメトリを用いてキャリアグレードのルーターの消費電力を正確に予測する、リーク耐性と不確実性への配慮を備えた機械学習モデルを開発しており、ネットワークデジタルツインやゼロタッチ・グリーンネットワーキングのアプリケーションに適した、軽量かつルーター固有のアプローチによる高精度な予測を実現している。
本研究は、アラビア語の法的テキストにおける立法上の不備を特定および評価する大規模言語モデルの能力を評価しており、それらのモデルは欠落の検出や論拠の生成には効果的であるものの、そのような不備の憲法上の重要性を判断するには、実際の欠陥と意図的な立法上の選択を区別するための人間の法的判断が必要であることを明らかにしている。
本論文は、自然言語処理および機械学習技術を活用して文献コーパスを分析し、それによって研究者が正式なシステマティックレビューやスコーピングレビューを実施する前に、研究上の問いの策定、テーマ的なギャップの特定、および検索戦略の精緻化を支援するための、再現可能なフレームワークを提案し、実証するものである。
本論文は、Kaggleのwindows-malwareデータセットを用いて、セクション／構造的特徴およびインポート／API特徴の制御されたアブレーションを通じて静的なPEマルウェア分類器を評価し、勾配ブースティングが優れた性能とデプロイ効率を達成することを実証するとともに、新たなレイテンシを考慮した指標を通じて、特徴量グループの相補的な価値を浮き彫りにしている。
本論文は、各ノードに対して最適な予測近傍を独立して選択することにより、不均一な因果相互作用ネットワークの推定と力学系の予測を同時に行い、既知の正解構造を持つモデルに匹敵する高精度なネットワーク再構成と予測精度を実現する、スケーラブルなフレームワークであるCausal Local States (CLS) を提案する。
本研究は、タイダイ画像の教師なしクラスタリングにおいて、カラーモーメントが他の5つの特徴表現を凌駕し、様々なクラスターサイズおよび評価指標にわたって最も一貫性、安定性、および堅牢性の高いグルーピング結果を提供することを実証している。
本論文は、改良型ウィーナーフィルタリング、IVGG16-RCNNセグメンテーション、およびLIMEベースの説明可能性によって強化された転移学習済み重み付きSqueezeNet分類器を統合したLIME-TLESqNフレームワークを提案し、実環境下におけるピーマンの葉の病害識別において96.52%の精度を達成する。
本論文は、欠損データや言語のバリエーションに対処するために双方向クロスアテンションと適応型ゲーティングを通じて音響、テキスト、視覚のモダリティを動的に融合させることで、多言語音声感情認識を強化するように設計された新しいアーキテクチャである、Adaptive Cross-Attention Multimodal Transformer (ACMT) を提案し、完了した実証的な学習結果の欠如にもかかわらず、包括的な評価プロトコルを概説するものである。
本論文は、サプライチェーン組織が、合成的なローカル拡張を用いてグラフベースのネットワークデータ上で、データのプライバシーを保護しつつ統計的異質性に対処しながら、混乱予測モデルを共同で学習することを可能にする、連合学習と生成AIを組み合わせたフレームワークを提案しており、高い精度（94.8%）と大幅な通信効率の向上（81.1%の削減）を実現している。
本論文は、実世界のデータを用いたQC-PEDA分割ルールの初の直接的な経験的検証を提示するものであり、現在の小規模な問題においては、あらゆる重み構成において古典的な実行が厳格に支配している一方で、損益分岐分析によれば、量子ルーティングが実行可能となるのは古典的なレイテンシがポストエクサスケルのレベルまでスケールした場合のみであり、その具体的な閾値は選択されたコストモデルの重みに大きく依存することを示している。