2305 편의 논문
이 논문은 의료 자산을 위험에 빠뜨리지 않으면서 블록체인 기반 증거를 생성하고, 랜덤 포레스트(Random Forest)를 통해 98.50%의 정확도를 달성하며, 머신러닝을 사용하여 실시간으로 공격을 포착 및 분류하기 위해 의료 서비스를 시뮬레이션하는 IoMT 네트워크용 프로토콜 인식 허니팟 프레임워크인 HoneyMed를 제시한다.
이 논문은 수동으로 전사된 음성으로부터 알츠하이머병을 탐지하기 위해 기준 가이드 프롬프팅(criterion-guided prompting)과 대규모 언어 모델(LLM)의 인컨텍스트 학습(in-context learning)을 활용하는 학습이 필요 없는 해석 가능한 프레임워크를 제안하며, ADReSS 2020 벤치마크에서 최고 수준의 성능을 달축하는 동시에 고품질의 수동 전사에 대한 결정적인 의존성을 강조한다.
본 논문은 여러 전문가의 주석과 특화된 손실 함수를 활용하여 초음파 영상에서 경동맥 내중막 복합체의 분할 정확도와 밀리미터 단위의 두께 정량화 정밀도를 동시에 향상시키고, 전문가 간 변동성의 영향을 효과적으로 완화하는 다중 전문가 측정 인식 학습 프레임워크를 제안한다.
이 논문은 다양한 그래프 데이터셋에서 클래스 불균형 문제를 효과적으로 해결하고 모델의 해석 가능성을 향가시키기 위해, 새로운 선택적 검증 가중 앙상블 및 노드 임포트 게이팅(Selective Validation-Weighted Ensemble with NodeImport Gating, SVW-NG)을 통합한 설명 가능한 그래프 신경망 프레임워크인 XGNN-ID를 소개한다.
본 연구는 데이터 프라이버시, 알고리즘 편향성 및 시스템 확장성과 관련된 중대한 과제들을 인정하는 동시에, 효율성과 의사결정을 향상시키기 위해 채용, 감성 분석, 그리고 커뮤니케이션 도구를 통합하는 자연어 처리(NLP) 기반의 통합적 인적 자원 관리 프레임워크를 제안한다.
본 논문은 뇌파(EEG), 웨어러블 생체 신호 및 행동 데이터를 교차 모달 어텐션 시스템과 적응형 개인화를 통해 통합함으로써, 오경보를 줄이면서도 매우 정확하고 조기적인 뇌전증 발작 예측을 달성하는 새로운 멀티모달 딥러닝 프레임워크를 제안한다.
본 논문은 MRI 데이터에 대한 우수한 성능 지표와 LIME 기반의 설명을 통해 검증된, 알츠하이머병의 고정밀도 및 해석 가능한 조기 진단을 달성하기 위해 캡슐 네트워크(Capsule Networks)와 비전 트랜스포머(Vision Transformers)를 결합한 하이브리드 MCN-MVT 프레임워크를 제안한다.
본 논문은 거대언어모델 에이전트와 정제된 어휘를 활용하여 감사 가능한 4단계 핵심 소재 공급망 네트워크를 신속하게 합성함으로써, 수동 매핑과 비교하여 재현성과 효율성을 크게 향고하는 동시에 부품 및 생산 의존성 식별에 있어 높은 정확도를 달성하는 자동화 시스템인 STDN-GEN을 소개한다.
XTrust-Chain은 앙상블 분류기와 보정된 신뢰 지표, 그리고 암호학적으로 보안된 감사 추적을 결합하여, 여러 벤치마크 데이터셋에 걸쳐 경고의 불변적 검증을 보장하는 동시에 고신뢰 자동 의사결정을 가능하게 하는 다계층 침입 탐지 프레임워크이다.
이 논문은 위반 순위가 실제 복구 난이도와 일치하지 않는 시나리오에서 구조적 복구 비용을 최소화하기 위해 타당성 폐쇄 복잡도(Feasibility Closure Complexity, FCC)를 활용하는 제약 조건 처리 프레임워크인 Closure-Guided Optimization(CGO)을 소개하며, 이것이 기존 방식들에 비해 보편적인 우위를 점하는 것은 아님을 인정하면서도 그 효과성을 입증한다.