3900 편의 논문
이 논문은 아핀 대응 관계를 갖는 P1P 문제(P1AC)를 위한 계산 효율적인 최소 솔버를 소개하며, 이는 아핀 대응 관계와 그래디언트 장 사이의 동등성을 활용하여 밀집된 등거리 불변 기술자 맵(isometry-invariant descriptor maps)을 활용할 수 있도록 과업을 정규화 단계와 단일 이차 방정식으로 분해하는 동시에, 퇴화 및 실패 사례에 대한 포괄적인 분석을 제공한다.
보상 학습 프레임워크에 기반하여, 본 연구는 스스로 질문하는 것보다 더 효과적으로 호기심 루프를 종결시키는 인지적, 정서적, 보호적 지원을 제공함으로써 대학생들의 상태 및 특성 과학적 호기심을 모두 성공적으로 촉진하는 이론 기반의 생성형 AI 에이전트를 개발하고 평가한다.
본 논문은 다기관 TN3K 데이터셋을 바탕으로 민감도 가중 손실, 증거적 불확실성, 그리고 TI-RADS 기반 설명 가능성을 적용하여 훈련된 하이브리드 EfficientNet-Swin Transformer 프레임워크인 ThyroGuard-Net을 소개하며, 이를 통해 기존 방식보다 개선된 민감도로 견고하고 일반화 가능하며 임상적으로 보정된 갑상선 결절 분류를 달성한다.
Graph2Path는 원자 및 결합 활성 감독을 그래프 인코딩된 상태에 통합함으로써 다단계 역합성 계획을 강화하는 계층적, 반응성 유도 템플릿 정책으로, RetroSynFormer 및 AiZynthFinder와 같은 기존 방법들과 비교하여 추론 시간은 증가했으나 더 우수한 정확한 경로 정확도와 성공률을 달성하였다.
본 논문은 YOLO11n을 기반으로 하며, 동적 스네이크 컨볼루션(Dynamic Snake Convolution), 고해상도 헤드가 추가된 강화된 BiFPN 및 iEMA 어텐션, 그리고 WIoU 손실 함수를 결로합하여 유사한 파라미터 수를 유지하면서도 작고 가늘게 늘어진 타겟에 대한 탐지 정확도를 크게 향상시킨 경량 소형 객체 탐지 프레임워크인 ESW-YOLO를 제안한다.
본 논문은 PSO, GA 및 베이지안 최적화를 통합하여 인공 신경망을 튜닝함으로써 학생 취업 결과를 예측하는 데 있어 99.60%의 정확도를 달성하고, SHAP와 LIME을 활용하여 교육 및 산업 간 정렬을 위한 투명하고 실행 가능한 통찰력을 제공하는 새로운 해석 가능한 하이브리드 딥러닝 프레임워크를 제안한다.
본 논문은 예측적 자원 예측을 위한 시공간 그래프 학습과 선제적이고 분산된 다중 자원 관리를 달성하기 위한 연합 강화 학습을 결합하여, 6G 셀룰러-에지 네트워크에서 지연 시간과 SLA 위반을 크게 줄이는 동시에 처리량과 효율성을 개선하는 디지털 트윈 협력 프레임워크인 DT-STGNN-FedRL을 제안한다.
본 논문은 선수의 최대 리프팅 중량을 예측하기 위한 머신러닝 모델들이 동시 리프트 데이터 누출(concurrent-lift data leakage)로 인해 상당한 정확도 팽창을 겪는다는 점을 폭로하며, 이 누출의 심각성을 정량화하기 위한 폐쇄형 진단법과 더불어 형제 리프트(sibling lift) 데이터에 의존하지 않고도 보정되고 생리학적으로 일관된 예측을 제공하는 비용 효율적인 생성 모델을 제안한다.
이 논문은 시각적 설명 기술과 외부 테스트를 통해 검증된, 7가지 뇌종양 범주 분류에서 97.87%의 정확도를 달성하기 위해 6개의 사전 학습된 CNN 모델로부터 특징을 융합하는 설명 가능한 하이브리드 딥러닝 프레임워크를 제안한다.
이 논문은 타원 곡선 암호와 고유한 전자 제품 코드를 활용하여 에너지 소비와 실행 시간을 최소화함으로써 기존 방식보다 시뮬레이션된 무선 네트워크 환경에서 더 뛰어난 성능을 보이는 자원 제한적인 IoT 기기를 위한 안전하고 효율적인 인증 체계를 제안한다.