3900 편의 논문
본 논문은 실시간 비전 기반 미국 수어 인식을 위한 10가지 머신러닝 및 딥러닝 파이프라인의 비교 벤치마크를 제시하며, 랜드마크 기반의 XGBoost와 양방향 LSTM 모델이 소비자급 하드웨어에 적합한 낮은 추론 지연 시간을 유지하면서도 사용자 변동성에 대한 우수한 정확도와 회복력을 달성함을 입증한다.
이 논문은 더 복잡한 AnoLSTM-TCP 모델과 대등한 테스트 케이스 우선순위 지정 효과를 달성하면서도 파라미터 수와 학습 시간을 크게 줄인 경량 이상 탐지 인지 다층 퍼셉트론인 AnoMLP-TCP를 소개한다.
이 논문은 다중 출력 쌍별 계산을 위한 두 가지 합성 벤치마크에서 공유 유한 완화 신경 매체(shared finite-relaxation neural medium)를 평가하며, 해당 시스템이 고정 위치 이차 계산을 수행할 수는 있으나 독립 모델이나 푸리에 신경 연산자(Fourier neural operator)와 같은 특화된 모델의 정확도를 따라잡거나 자원 우위를 입증하는 데는 실패했음을 밝힌다.
본 연구는 언어적 변이와 관계없이 연구 주제를 적절한 Q1–Q4 학술지에 효과적으로 매핑함으로써 컴퓨터 과학 분야의 저널 순위 변동을 분석하고 저널 선택 전략을 최적화하기 위해 TF-IDF, GloVe, 그리고 Sentence-BERT를 통합한 하이브리드 프레임워크를 제안한다.
이 논문은 UPGen과 Proteus 검열 우회 시스템을 평가하며, UPGen의 '부수적 피해 함정(collateral damage trap)'이 이론적으로는 막대한 부수적 피해 없이는 차단을 방지할 수 있다고 주장하지만, 실험적 재현 결과 공개된 아티팩트들은 표준 분류기가 해당 트래픽을 정상 프로토콜과 안정적으로 구별해낼 수 있기 때문에 이러한 저항력을 달성하는 데 실패함을 밝히고 있다.
본 연구는 다섯 가지 아랍어 정신 건강 장애의 최첨단 미세 분류를 달성하고 증상 추출을 유의미하게 개선하기 위해, 기존의 이진 탐지 방식의 한계를 해결하는 MentalMARBERT와 DSM-5-TR 기반 마스킹을 활용한 새로운 2단계 증상 인지 프레임워크를 소개한다.
이 논문은 에이전트의 성능과 비즈니스 지식 격차에 대한 신뢰할 수 있고 실행 가능한 측정을 보장하기 위해 모듈형 LLM 판사, 의도 보존형 사용자 시뮬레이션, 그리고 인간 참여형 거버넌스를 통합하여 멀티턴 비즈니스 에이전트를 평가하기 위한 실용적이고 유지 관리 가능한 프레임워크를 제시한다.
이 논문은 외부 로그북과 주기적인 LoRA 기반의 통합을 결합하여, 지식 편집 및 RAG 방식에 비해 계산 비용을 크게 줄이면서도 시간 경과에 따른 높은 정확도와 안정성을 달성하는 동결된 언어 모델을 위한 메모리 시스템을 제시하지만, 가르치지 않은 관계에 대한 가짜 합성 문제에서는 여전히 어려움을 겪고 있다.
이 논문은 중국 밤나무의 생애 주기에서 유래한 9가지 연산자를 통합하여 집단 다양성을 효과적으로 관리하고 연속 최적화 벤치마크와 조합 2D 배낭 문제 모두에서 고전적 유전 알고리즘을 크게 능가하는 자연 모사 유전 알고리즘인 체스넛 전략(CS-GA)을 소개한다.
본 논문은 물리적 사전 지식 가이드와 적응형 특징 변조를 통합하여 공간적으로 불균일한 안개를 효과적으로 처리하고 미세한 구조적 세부 사항을 보존함으로써 여러 벤치마크 데이터셋에서 최첨단 성능을 달성하는 트랜스포머 기반 단일 이미지 디헤이징 네트워크를 제안한다.