3962 편의 논문
본 논문은 실사 입력을 추상적인 선화와 시맨틱 맵으로 변환함으로써 인지와 제어를 분리하는 멀티모달 테스트 프레임워크를 제시하며, 이는 표준 시뮬레이션에서는 보이지 않는 결함을 드러내기 위해 빠른 학습 수준의 충실도와 엄격한 레지스터 수준의 펌웨어 에뮬레이션을 결리하는 새로운 오픈 시뮬레이터를 통해 검증되었습니다.
본 논문은 실시간 대규모 추천 시스템을 위해 경쟁력 있는 예측 정확도를 유지하면서도 재학습 시간을 대폭 단축하는, 오프라인 행렬 분해 및 토픽 모델링과 온라인 적응형 클러스터링 메커니즘을 결합한 적응형 하이브리드 협업 필터링(AHCF) 모델을 제안한다.
이 논문은 오류가 있는 검증기가 재표집(resampling)을 통해 모델 중단 오류로부터 회복할 수 있음을 입증하는 감사 가능한 3단계 평가 프레k워크를 소개하며, 현재의 방법들이 재표집과 경로 재설정(rerouting) 사이의 최적의 행동 선택을 식별하는 데 실패함을 보여줌으로써, 완전한 정책 학습 체인을 지원하지 않는 상태에서 제한된 회복 잠재력을 확립한다.
본 연구는 실행 가능한 벤치마크와 의사결정 프레임워크를 개발함으로써 OSAT 제조 분야에 강화 학습을 적용하는 데 발생하는 공백을 다루며, 이를 통해 적응형 스케줄링 정책이 기존의 휴리스틱을 보편적으로 대체하기보다는 선택적이고 목적 특화된 이점을 제공한다는 점을 밝혀냄으로써, 베트남 내 운영 배치를 위한 트레이드오프와 요구 사항에 대해 관리자들에게 지침을 제공한다.
본 논문은 메타데이터에 의존하지 않고도 뷰포트 인지 전처리와 변환 강건한 특징점을 활용하여 변형된 몰입형 비디오 콘텐츠를 식별하는 딥러닝 기반 방법을 제안하며, 97.5%의 인식률과 향상된 계산 효율성을 달성하였다.
본 연구는 UNSW-NB15 데이터셋을 대상으로 머신러닝 기반 네트워크 침입 탐지 시스템의 변환 특이적 강건성을 평가하며, 모델들이 피처 섭동에 대해 다양한 민감도를 보이는 반면, TTL 인지형 학습 구성이 표준 베이스라인과 비교하여 음의 타임 투 라이브(time-to-live) 수정 하에서의 성능 저하를 유의미하게 감소시킨다는 점을 밝히고 있다.
본 연구는 그래프 합성곱 신경망(Graph Convolutional Neural Network)이 3D 인체 메쉬로부터 16가지 표준 인체 계측치를 효과적으로 추정할 수 있음을 입증하며, 합성 데이터에서는 유망한 정확도를 달-성하는 동시에 실제 스캔 데이터에 적용할 때 발생하는 도메인 적응의 과제를 강조한다.
본 논문은 높은 진단 정확도를 유지하고 불필요한 확진 검사를 줄이면서, 다양한 자원 제한적 국제 코호트 전반에 걸쳐 자율적인 결핵 오음성 퇴원을 제거하기 위해 공형 예측(conformal prediction)과 입력 품질 보증을 결합한 감사 가능하고 엣지 배포 가능한 AI 안전 아키텍처를 제시한다.
이 체계적 문헌 고찰은 노이즈가 있는 검색 증강 생성 시스템에서의 적응형 문맥 의존성 제어에 관한 16편의 연구를 분석하여, 현재의 노이즈 인지형 암기 전략에서의 결정적인 격차를 식별하고, LLM의 내부 지식과 검색된 증거의 품질 사이의 균형을 동적으로 조절하는 ACRC 프레임워크를 제안한다.
본 논문은 DenseNet121, ResNet50, VGG16을 특징 수준 융합(feature-level fusion)과 triplet semi-hard loss 최적화를 통해 통합하여 강건한 이미지 임베딩을 생성하는 새로운 프레임워크인 SET-CNN을 제안하며, 이를 통해 CIFAR-10 데이터셋에서 개별 모델 대비 검색 성능을 7.6% 향상시켰다.