3900 편의 논문
본 논문은 연합 학습을 위한 이질성 인지 평가 프레임_워크를 제안하며, 이는 프라이버시-유용성-공정성 결론을 단순히 명목상의 디리클레 파라미터에 의존하는 대신 측정된 실제 클라이언트 분포에 기반하도록 함으로써, 동일한 집중도 값이라도 실제 데이터 구조와 성능에서 상당한 차이가 발생함을 입증한다.
본 논문은 시각 장애 사용자를 위한 불안정한 초점 전환과 정보 과부하를 크게 줄이기 위해 시간적 위험 게이트 기반의 다중 모달 가이드를 활용하는 동시에, 급격히 변화하는 위험에 대한 가이드의 안정성과 반응성 사이의 측정 가능한 절충 관계와 검증된 엣지 스트리밍 보안을 입증하는 오프라인 우선 보조 시각 시스템인 WVAB를 제시한다.
본 논문은 실시간 메시지 전파와 원장 순서 결정을 분리함으로써 높은 처리량과 낮은 지연 시간의 최종성을 달성하는 동시에 신원 위조, 재전송 공격 및 검증자 침해를 효과적으로 완화하여 커넥티드 차량 통신을 보호하는 신원 인식형 허가형 블록체인 아키텍처를 제안한다.
본 논문은 상세한 증거를 로컬 탬퍼 에비던트 저널(tamper-evident journal)에 저장하는 동시에 압축된 암호화 체크포인트를 분산 원장에 기록함으로써, 프라이버시나 안전을 저해하지 않으면서도 고성능 검증과 상당한 데이터 용량 감소를 달성하여 커넥티드 차량을 위한 포렌식 무결성과 보안 사고 복구를 보장하는 허가형 블록체인 아키텍처를 제안한다.
본 논문은 양자 내성 키 설정과 세션 결합형 메시지 인증 코드, 그리고 신뢰 기반의 승인 정책을 결합하여 차량의 수명 전반에 걸쳐 내부 공격에 대한 강력한 보안을 유지하면서도 통신 오버헤드와 지연 시간을 획기적으로 줄이는 허가형 차량 블록체인을 위한 하이브리드 인증 아키텍처를 제안한다.
이 논문은 데이터 희소성 상황에서 합성 나이지리아 나이라/미국 달러 시나리오를 생성하기 위한 TimeGAN 프레임워크를 비판적으로 평가하며, 해당 모델의 출력이 분포적 충실도 측면에서 고전적 베이스라인에 의해 지배되고 극단적인 시드 의존적 불안정성을 보인다는 점을 밝힘으로써, GAN 기반 시나리오 생성이 기존의 스트레스 테스트 도구를 책임감 있게 보완하기 위해서는 특정 아키텍처 사전 지식과 엄격한 멀티 시드 보고가 필요하다고 주장한다.
본 논문은 파편화 및 확장성 문제를 극복하기 위해 다중 에이전트 시스템을 하이브리드 ADMM-LASSO 최적화 전략과 통합한 다층 구조인 인더스트리 5.0을 위한 통합 인공지능 프레임워크(UAI-5)를 제안하며, 이를 통해 다양한 산업 및 사회적 영역 전반에 걸쳐 견고하고 실시간적이며 지속 가능한 의사결정을 가능하게 한다.
SFCT-Net은 동기화된 합성곱-어텐션 스트림을 웨이브릿 기반 재구성 모듈과 통합함으로써 다양한 영상 양식 전반에 걸쳐 노이즈를 효과적으로 억제하고 고주파 해부학적 경계를 보존하도록 태스크를 공간-주파수 신호 재구성으로 재정의하는 강력한 의료 영상 분할 프레임워크이다.
본 논문은 센서 노이즈와 적대적 섭동을 효과적으로 완화하면서 높은 분류 정확도를 유지하기 위해, 희소 주성분 분석과 희소 극한 학습 기계(Extreme Learning Machine)를 통합하고 카푸친 탐색 알고리즘으로 하이퍼파라미터를 최적화하는 강건한 산업 결함 탐지 프레임워크를 제안한다.
본 논문은 뇌성마비를 가진 아동의 불균형하고 서열적인 치료 후 작업 수행 점수를 효과적으로 예측하기 위해 은닉 마르코프 모델 생성기로 증강된 서열 다중 학습자 앙상블(Ordinal Multi-learner Ensemble, OME)을 제안하며, 기존 베이스라인 및 SMOTE와 비교하여 우수한 정확도와 강건성을 입증한다.