3657 편의 논문
이 논문은 혼합 유형 인코더(Mixed-Type Encoder), 시계열 트랜스포머(Temporal Transformer), 그리고 차분 프라이버시(Differentially Private) 학습 및 사후 임상 제약 계층(post-hoc Clinical Constraint Layer)이 결합된 조건부 변이형 오토인코더(Conditional Variational Autoencoder)를 결합하여, 프라이버시-유용성 트레이드오프 측면에서 최첨단 성능을 달성하면서도 임상적으로 유효하고 프라이버시가 보호되는 합성 전자 건강 기록(EHR)을 생성하는 새로운 생성 프레임워크인 SynthEHR-DP를 소개한다.
이 논문은 양방향 교차 주의 집중(bidirectional cross-attention)과 평면 임베딩(plane embeddings)을 통해 국소 및 전역 MRI 특징을 통합함으로써 여러 데이터셋에 걸쳐 다발성 경화증과 척수염을 높은 정확도로 분류하는 듀얼 인코더 딥러닝 모델인 SpineFusion을 소개하며, 임상적 유용성을 확인하기 위해 환자 그룹별 외부 검증이 필요함을 언급한다.
본 논문은 가상 교실 환경에서 학생의 참여도를 효과적으로 탐지하고 성능을 향상시키기 위해 적응형 양방향 필터링, SqueezeNet, Shallow CapsNets 및 MobileNetV2의 융합을 통한 특징 추출, CNN-LSTM 분류기, 그리고 하이퍼파라미터 튜닝을 위한 Osprey Optimization Algorithm을 통합한 FTLSED-VCOOA 프레임워크를 제안한다.
이 논문은 새로운 베이지안 네트워크 학습 알고리즘을 소개하며, 시뮬레이션 및 실제 데이터를 통해 점수 함수의 선택이 성능에 상당한 영향을 미친다는 점을 입증하고, 새로운 알고리즘이 평균 마르코프 블랭킷 크기, 차수 및 밀도가 낮은 네트워크에서 기존 방법들보다 우수한 성능을 보임을 입증한다.
본 연구는 변동성 예측에 있어 내재적 및 사후적 설명 모두의 신뢰성이 매우 섭동 특이적이며, 이는 서로 다른 모델-표현-설명가 구성에 따라 크게 달라지고 재학습, 시간적 변화, 입력 노이즈와 같은 다양한 조건 하에서의 경험적 평가를 필요로 한다는 점을 입증한다.
이 논문은 이미지 암호화에 사용되는 모든 키 기반 DNA 연산이 이진 필드 위에서 구조적으로 아핀(affine)임을 증명하여 이러한 확산층이 대수적으로 취약하고 공격에 노출될 수 있음을 밝히는 한편, 이러한 내재적 한계를 극복하기 위해 검증된 제로 코스트(zero-cost) 대체 방안을 제안한다.
본 연구는 산업 조립 라인 데이터에서 발생하는 개념 드리프트(concept drift)로 인해 무작위 교차 검증이 머신러닝 성능을 과대평가하는 반면, 시간 순서에 따른 템포럴 평가(temporal evaluation)를 통해 적절히 튜닝된 그래디언트 부스팅 모델은 여전히 효과적인 검사 감소용 스크리닝 도구로서 역할을 할 수 있음을 입증한다.
이 비판적 통합 검토는 고등 교육에서의 에이전틱 AI 배치는 새로운 자율성-감독-증거 프레임워크에 의해 제한되어야 한다고 주장하며, 이 프레임워크는 위협을 방지하고 공정성을 보장하기 위해 위임된 시스템의 자율성이 뒷받침되는 증거의 성숙도나 책임 있는 인간 감독의 강도를 초과할 수 없도록 규정한다.
본 연구는 7,148개의 에티오피아 핀테크 리뷰로 구성된 큐레이션된 코퍼스와 재현 가능한 다국어 NLP 프레임워크를 제시하며, AfroXLMR 트랜스포머 모델이 영어, 암하라어 및 코드 스위칭된 텍스트를 처리하는 데 있어 다른 아키텍처보다 우수한 성능을 보임을 입증하는 동시에 데이터 불균형과 언어적 변이와 관련된 지속적인 과제를 강조한다.
이 논문은 기관용 AI 에이전트의 3자 인증을 가능하게 하기 위해 효과와 목적을 위한 별도의 뉴트로소픽(neutrosophic) 트리플을 결합하여, 정당한 외부 요청과 악의적인 유인책을 구분함으로써 직접적 위해 통과를 효과적으로 줄이는 출처 인식 프레임워크인 텔레뉴트로소픽 로직(Teleoneutrosophic Logic)을 제안한다.