1062 件の論文
本論文は、従来の画像再構成を回避して、最小限の測定から疾患などの関心対象を直接検出する機械学習パラダイムを提案するものであり、これにより、診断精度を維持しながら、取得コストと時間を大幅に削減する。
本論文は、自然言語に基づく高品質な初期解を生成するための大規模言語モデルと、メモリ誘導型のSpeed-Up Slow-Down局所探索アルゴリズムを組み合わせた、ヘテロジニアスなマルチロボットシステムのためのハイブリッド・タスク割り当てフレームワークを提案しており、従来の方式と比較してスケーラビリティを維持しつつ、ミッションのメイクスパンを17.07%削減することに成功している。
本論文では、深層学習に基づく吃音分類とマルチエージェント大規模言語モデルによる推論を統合し、専門家によるレビューと実施のために、パーソナライズされたエビデンスに基づいた治療計画を生成、批判、および洗練させる、臨床家が介在する（clinician-in-the-loop）AI駆動型プラットフォームであるVirtual Speech Therapist（VST）を紹介する。
本論文は、欠陥のあるパラメトリックな仮定を負の二項分布を用いた一般化線形混合モデル（GLMM）フレームワークとシミュレーションに基づく検定力分析に置き換えることで、大規模言語モデルの出力における確率的バイアスを測定するための標準化された反復回数と信頼性閾値を確立する、統計学的に原理に基づいたプロトコルである「ダイスロール法（Dice Roll Method）」を導入するものである。
MobiShieldは、適応的な特徴量重み付け、Hoeffdingに基づくドリフト検出、および分布の変化に応じてノイズレベルを調整する動的な差分プライバシーメカニズムを統合することにより、非IIDデータの不均一性、コンセプトドリフト、およびプライバシー漏洩に同時に対処する、Androidマルウェア検出のための斬新な連合学習フレームワークである。
本論文は、データプライバシー、非IIDデータ分布、および敵対的攻撃に関連する課題に対処しつつ、Internet of Medical Things環境におけるサイバー脅威を効果的に検知するために、ハイブリッドなディープニューラルネットワークとXGBoostモデルを統合したプライバシー保護型連合学習フレームワークを提案するものである。
本論文は、TF-IDFによるエビデンス検索と重み付き検証を活用することで、マルチLLM推論の計算オーバーヘッドを伴うことなく、高い検出精度と大幅なハルシネーション削減を実現し、大規模言語モデルにおけるハルシネーションを効果的に検出し修正する、軽量かつモジュール式の検索接地型フレームワークを提案する。
本論文は、リソース制約のあるヘテロジニアスなIPv6 IoTネットワークにおけるセキュリティ、信頼性、およびQuality of Service（QoS）の課題を包括的に解決するために、AI駆動型アノマリー検知、軽量なコンソーシアム・ブロックチェーン、および深層強化学習ベースのルーティングを4層のSDNおよび6TiSCHアーキテクチャ内に相乗的に統合した、新しい概念的フレームワークであるSecure QoS-IPv6を提案する。
本研究は、臨床消化器病学に関する論文の引用リスクの結果が、出版時期の情報のみを用いて正確に予測可能であることを示しており、非意味論的なベースラインおよび文書全体の埋め込み表現が、限定された文献コーパス内において低引用論文を特定する上で高い性能を達成することを実証している。
本論文は、既知カテゴリへの過剰な自信を防ぐための非対称整流メカニズムと、物体性の推定を向上させるためのプロトタイプ誘導型前景モデリングを採用することで、未知の物体の検出を強化する2パス検出フレームワークであるCAFRを提案しており、これにより、既知カテゴリの性能を安定して維持しつつ、優れた適合率とF1スコアを達成している。