3900 편의 논문
본 논문은 중국 점술 예술(기문둔갑 및 매화역수)의 논쟁적인 절차적 규칙들을 체계적으로 디지털화하고 검증하기 위해, 이 무형 유산의 감사 가능한 문서화 계층을 보존할 수 있는 출처 기반 검증 시스템을 구축함으로써 출처가 명시된 온톨로지 및 지식 그래프 프레임워크를 제시한다.
이 논문은 정보가 있는 결측 상황에서 동결된 시계열 파운데이션 모델에 대해 메커니즘 균형 적응(mechanism-balanced adaptation)이 평균 위험 적응(average-risk adaptation)보다 덜 해롭다는 것을 밝히는 사전 등록된 감사를 제시하며, 모든 학습된 적응 목적 함수가 단순히 모델을 적응시키지 않은 상태보다 유의미하게 성능이 저하됨을 보여줌으로써 명시적인 무적응 앵커(no-adaptation anchor) 없이는 적응 전략 간의 비교를 해석 불가능하게 만든다는 점을 드러낸다.
본 논문은 이해관계자들이 원시 데이터를 공유하지 않고도 모델을 협업하여 학습할 수 있도록 허용하는 동시에 SHA-256 해싱을 통해 감사 가능성을 보장함으로써, 지능형 차량 공급망을 위한 보안성, 탈중앙화 및 프라이버시 보호가 적용된 수요 예측을 가능하게 하는 블록체인 기반의 스웜 러닝 프레임워크인 VahanSWARM을 제안한다.
이 논문은 저궤도 위성 네트워크를 위한 고정밀 사이버 공격 탐지 및 추적을 달성하는 동시에 변조 방지 체인 오브 커스터디(chain of custody)를 유지하기 위해 위성 텔레메트리, RF 간섭, GPS 반사 측정을 통합하는 트랜스포머 기반 멀티모달 프레임워크인 SatForensics를 소개한다.
본 연구는 다중 벤더 CBCT 스캔에서의 3D 결치 국소화를 위한 준지도 및 벤더 적대적 학습 전략을 평가하였으며, 벤더 적대적 학습이 가장 우수한 락다운 테스트 성능을 달ian한 반면, 준지도 접근 방식은 순수 지도 학습에 비해 유의미한 우월성을 입증하지 못했다는 것을 발견하였다.
본 연구는 랜덤 포레스트 모델이 이전 입원 횟수 및 재원 기간과 같은 주요 위험 요인을 식별하는 포괄적인 설명 가능성 분석을 통해 임상적 유용성을 유지하면서, 30일 이내 비계획적 재입원을 예측하는 데 있어 로지스틱 회귀보다 더 우수한 성능을 보인다는 것을 입증한다.
본 논문은 네덜란드의 COVID-19 사망률을 정확하게 예측하기 위해 유전 알고리즘 기반의 특징 선택과 미래 탐색 최적화를 결합한 새로운 하이브리드 메타휴리스틱 프레임워크를 제안하며, 이는 나방-화염 최적화, 고래 최적화 및 인공 신경망과 같은 다른 알고리즘에 비해 우수한 성능을 입증한다.
본 논문은 높은 용량을 위한 무손실 압축, 역할 기반 접근 제어, 그리고 픽셀 단위의 위치 맵을 요구하지 않고 이미지 무결성 및 변조 위치 식별을 보장하는 암호학적으로 안전한 자체 임베디드 인증 메커니즘을 통합하여, 암호화된 이미지 내 가역적 데이터 은닉을 위한 새로운 프레임워크인 SHIELD-RDH를 제안한다.
본 논문은 정보 이론을 통해 이론적 한계를 도출하고, 우아한 성능 저하(graceful degradation)를 통해 신뢰할 수 있는 에지 인식을 보장하는 실시간 파라미터 프리 딥러닝 시스템을 구현함으로써, 변동하는 무선 대역폭에 따라 시맨틱 분류 해상도를 동적으로 적응시키는 정보 지원 정밀도(information-supported granularity, ISG) 프레임워크를 제안한다.
이 논문은 결정 무결성을 보장하는 동시에 선택적 재생을 통해 상당한 계산 절감을 달성하기 위해 버전 기반 영수증과 기하학적 변화 경계면을 사용하는 가변적 지리공간 컨텍스트를 위한 리플레이 안전 결정 프로비넌스 프레임워크를 제안한다.