1140 편의 논문
최근 445개의 연구(2024~2026)를 대상으로 한 이 체계적 문헌 고찰은 CNN-Mamba 하이브리드가 선형적 계산 복잡도 덕분에 의료 영상 분야에서 가장 효율적인 구조임을 식별하는 동시에, 임상적 통합을 가능하게 하기 위해 네이티브 3D 블록을 통해 해결되어야 할 공간 정보 손실 및 메모리 소비와 같은 결정적인 과제들을 강조한다.
본 논문은 정렬된 IoT 및 클라우드 데이터셋을 대상으로 지도 학습(Random Forest 및 XGBoost)과 LSTM 오토인코더 기반의 이상 탐지 모델을 결적으로 결합한 하이브리드 침입 탐지 프레임워크를 제안하고 평가하며, 이 방식이 미지의 공격에 대한 탐지 견고성과 재현율을 크게 향상시키는 반면, 증가된 오탐률 및 정밀도 저하라는 절충안을 수반함을 입증한다.
본 논문은 CCFM 특징 융합, PSA-BiFormer 어텐션, 그리고 C2f-Dual 전략을 통합하여 기존 방식 대비 모델 크기와 연산 복잡도를 크게 줄이면서도 높은 정밀도(94.3% mAP)와 속도(369 FPS)를 달est하는 경량 체리 토마토 숙도 검출 모델인 YOLOv10n-FBD를 제안한다.
본 연구는 직접 구축한 데이터셋과 하이브리드 음향 특징을 활용하여 95%의 정확도를 달성하는 동시에 모음 간의 음성적 유사성으로 인한 과제를 강조함으로써, 저자원 언어인 아삼어(Assamese)를 위한 LSTM 기반 음성 인식 시스템을 제안한다.
본 논문은 국소적 픽셀 망각과 불충분한 공간적 인지 문제를 해결하여 돈황 벽화의 복원 품질 지표를 유의미하게 향상시키기 위해, 잔차 상태 공간 모델링, 가이드 벡터, 그리고 다중 스케일 변형 어텐션을 통합하여 시각적 문맥 인식 및 공간적 수용 영역 기반의 알고리즘을 제안한다.
본 논문은 구조적 특징과 기능적 특징을 추출하고 상관관계를 분석함으로써 FPGA 기반 VLSI 회로 내의 은밀한 하드웨어 트로잔을 98.4%의 정확도로 탐지하는 딥 크로스 뉴럴 네트워크(DCNN) 프레임워크를 제안하며, 이는 골든 레퍼런스 모델에 대한 의존도를 줄이는 신뢰할 수 있는 솔루션을 제공한다.
104개의 연구를 대상으로 한 이 체계적 문헌고찰은 디지털 접근성 연구가 자동화 도구에 의해 주도되고 교육 및 정부 부문에 집중되어 있음을 밝히며, 이는 방법론적 편의성과 부문별 편향이 사용자 중심 접근 방식을 대체하고 지난 10년간 지속적인 접근성 장벽을 해결하는 데 실패함으로써 발생하는 '평가-실행 간극'을 생성한다고 밝히고 있다.
이 논문은 온톨로지 접근, LLM 기반 학습 파이프라인, 그리고 22개 도메인에 걸친 표준화된 벤치마킹을 통합하는 모듈형 오픈 소스 프레임워크인 OntoLearner를 소개하며, 온톨로지 학습의 주요 병목 현상이 모델의 역량보다는 모델 지식 인코딩과 온톨로지 구조 간의 구조적 불일치에 있음을 밝혀낸다.
본 연구는 비정형 평가 피드백을 높은 정확도로 커리큘럼에 부합하는 오류 패턴으로 변환하는 검색 증강 거대 언어 모델 접근 방식을 제안하며, 이를 통해 고등 교육에서 교수진이 교육적 영향력을 성찰하고 목표 지향적인 커리큘럼 개정을 유도할 수 있도록 한다.
본 연구는 웹 탐색을 위한 보조 기술로서 네 가지 주요 LLM 기반 대화형 에이전트의 효과를 평가하며, 이들이 페이지 구조를 해석하고 상호작용을 안내함으로써 다양한 사용자 그룹을 위한 접근성을 향상시킬 수 있는 유망한 잠재력을 보여주는 동시에, 도구별로 성능 차이가 크게 나타난다는 점을 밝히고 있다.