11315 편의 논문
이 논문은 목적 함수에 의해 유도된 다양체의 기하학적 구조를 정확히 반영하고 학습률 설정 없이도 최적화 경로를 다양체 상에 유지하도록 설계된 새로운 최적화 알고리즘인 '측지선 경사 하강법 (GGD)'을 제안하며, 이를 통해 기존 Adam 알고리즘 대비 Fully Connected 네트워크와 CNN 에서 각각 MSE 와 교차 엔트로피 손실을 유의미하게 감소시키는 효과를 입증했습니다.
본 논문은 IoT 봇넷 탐지를 위해 VAE 로 차원을 축소하고 다양한 그래프 구성 기법을 적용한 GAT 모델을 평가한 결과, 가브리엘 그래프가 97.56% 의 정확도로 가장 우수한 성능을 보임을 입증했습니다.
이 논문은 현대 AI 애플리케이션의 다양한 요구사항을 충족하기 위해 투영 기법을 그래프 인덱스에 통합하여 기존 방법보다 5 배 빠른 검색 속도와 우수한 성능을 제공하는 새로운 근사 최근접 이웃 검색 프레임워크인 '투영 증강 그래프 (PAG)'를 제안합니다.
이 논문은 데이터 증강의 기하학적 제약을 고려하여 각기 다른 단일 변환으로 학습된 전문가 모델들의 앙상블인 'EnsAug'을 제안함으로써, 기존 단일 모델 접근법보다 뛰어난 성능과 효율성을 입증했습니다.
이 논문은 기존 작업 간 간섭과 메모리 비용을 해결하기 위해 메타 학습 기반 정규화와 인과적 보조 감독을 통해 토큰 생성을 동적으로 제어하는 'HyperTokens'을 제안하여, 지속적인 비디오 - 언어 이해에서 망각을 줄이고 성능을 향상시키는 방법을 제시합니다.
이 논문은 데이터 유출을 방지하고 과대평가된 성능을 교정하기 위해 중첩 교차검증과 시간/그룹 인식 분할을 적용한 앙상블 학습 기반의 ERP 재무 리스크 탐지 프레임워크 'ERP-RiskBench'를 제안하며, 이를 통해 조달 규정 준수 이상과 거래 사기를 효과적으로 식별할 수 있는 재현 가능한 실험 환경을 구축합니다.
이 논문은 역사적 유물인 반 에이크 형제의 '겐트 제단화' 단면 분석을 위해 대기 및 획득 아티팩트에 강인한 가중 스펙트럼 각도 거리 (WSAD) 손실 함수를 도입한 비지도 CNN 오토인코더를 제안하여, 복잡한 혼합 스펙트럼을 자동으로 분해하고 해석하는 새로운 방법을 제시합니다.
이 논문은 CMS 실험의 뮤온 운동량 추정 성능을 향상시키기 위해 그래프 신경망 (GNN) 을 적용하여 기존 TabNet 모델보다 낮은 평균 절대 오차를 보인 것과 노드 특징의 차원이 모델 효율성에 결정적임을 입증했습니다.
이 논문은 제한된 주석 데이터 환경에서 옥수수, 쌀, 밀 잎의 질병 단계를 정확히 분류하고 Grad-CAM 을 통해 의사결정 과정을 설명 가능한 하이브리드 퓨샷 학습 모델을 제안합니다.
이 논문은 다차원 보상 간섭과 이질적 데이터 경계 충돌을 해결하는 병렬 상대적 정책 최적화 (PRPO) 와 제어된 오류 주입을 통한 객관적 평가를 가능하게 하는 MCDR-Bench 를 제안하여, 차트 데이터의 심층 연구 능력을 체계적으로 향상시키는 통합 프레임워크를 구축했습니다.
이 논문은 기존 무조건부 생성 모델의 추정 오차 문제를 해결하기 위해 추가적인 역방향 디노이징 단계와 몬테카를로 샘플링을 결합한 ABMS 기법을 제안하여, 다양한 조건부 생성 작업에서 생성 품질을 일관되게 향상시킵니다.
이 논문은 학습 데이터가 부재한 환경에서도 심한 노이즈가 포함된 입자 가속기 빔 진단 데이터를 위해, 합성곱 필터링과 최적화된 조기 종료 전략을 활용한 비지도 학습 프레임워크를 제안하여 빔 헤일로 구조를 7 표준편차 이상으로 정밀하게 재구성하고 에미턴스를 고충실도로 복원하는 방법을 소개합니다.
이 논문은 불변성과 등변성 목표를 서로 다른 계층에 적용하는 '소프트 등변성 정규화 (SER)'를 제안하여, 기존 자기지도학습의 강건성과 전이 성능을 동시에 향상시키는 새로운 설계 원리를 제시합니다.
이 논문은 RGB 입력만 사용하는 멀티모달 대규모 언어 모델 (MLLM) 의 공간 지능 일반화 한계를 지적하고, 카메라 파라미터를 명시적으로 인식하고 증강하는 '카메라 인식 MLLM' 프레임워크를 제안하여 교차 카메라 환경에서의 공간 추론 성능을 획기적으로 향상시켰음을 보여줍니다.
이 논문은 태양 플레어 예측의 신뢰성을 높이기 위해 컨포멀 예측 기법을 적용한 회귀 모델을 제안하며, 특히 컨포멀라이즈드 양자 회귀가 다른 방법들보다 더 높은 커버리지와 적절한 구간 길이를 제공함을 실험을 통해 입증했습니다.
이 논문은 작은 언어 모델 (SLM) 이 대규모 도구 환경에서도 효과적으로 작동할 수 있도록 컨텍스트 제어와 실행 구조를 학습 가능한 의사결정으로 간주하고, rubric 기반 강화 학습 미세 조정을 통해 긴 작업 흐름을 안정화하는 ATLAS 프레임워크를 제안합니다.
이 논문은 MIMIC-IV 데이터를 기반으로 대규모 환자 인공 데이터를 생성하고, 자동 감사 모듈을 통해 임상적 일관성을 검증하여 기존 통계적 정확도 이상의 임상적 신뢰성과 개인정보 보호를 동시에 확보한 통합 파이프라인을 제안합니다.
이 논문은 단백질 서열과 구조 간의 정렬을 학습하기 위해 대비 학습 패러다임을 도입하여, 공유 임베딩 공간을 구축함으로써 교차 모달 검색 및 하류 예측 작업의 성능을 향상시키는 'ProtAlign' 프레임워크를 제안합니다.
이 논문은 인간의 활동 정보를 양방향 피드백으로 융합하고 다중 시간尺度 모듈을 도입하여 실내 CO2 및 PM2.5 농도 변화를 정확하게 예측하고 불확실성을 추정하는 새로운 프레임워크를 제안합니다.
이 논문은 시계열 파운데이션 모델이 생성한 예측 특징을 회귀 모델에 통합하는 'FutureBoosting'이라는 새로운 하이브리드 AI 접근법을 제안하여, 전력 가격 예측의 정확도를 기존 최첨단 모델 대비 30% 이상 향상시켰다고 요약할 수 있습니다.