2305 편의 논문
이 논문은 조합 그래프 모델링, 뉴로모픽 컴퓨팅, 그리고 블록체인을 활용하여 분산된 뇌 오가노이드 간의 안전하고 에너지 효율적이며 프라이버시를 보호하는 협업 학습을 가능하게 함으로써, 기존의 중앙 집중식 시스템과 비교하여 계산 비용을 크게 줄이면서도 높은 정확도를 달달성하는 새로운 연합 다중 오가노이드 지능 아키텍처인 FOIN을 제안한다.
본 논문은 대조 학습 기반의 정렬(contrastive alignment)과 이선형 상호작용(bilinear interaction)을 통해 멀티모달 EEG-안면 지식을 배포 가능한 EEG 전용 학생 모델로 전이하는 프레임워크인 C-MED(Cross-Modality Enhanced Distillation)를 제안하며, 이는 추론 시 동기화된 안면 데이터를 요구하지 않고도 SEED-VII 및 DEAP 벤치마크에서 강건한 피험자 독립적 감정 인식을 달성한다.
본 논문은 Xu 등이 제안한 기존 모델의 고정된 참조 튜플 및 이진 제약의 한계를 극복하기 위해 근사 이웃 러프 집합을 순차적 3원 결정 및 조건부 동적 통합 전략과 결합한 동적 앙상블 프레임워크인 EM-S3WD를 제안하며, 이를 통해 적응적이고 경쟁력 있는 다중 클래스 분류 성능을 달성한다.
이 체계적 문헌 고찰은 2020년부터 2026년까지의 증거를 종합하여, AI 기반 채점과 개인 맞춤형 피드백이 고등 교육 평가의 효율성, 일관성 및 확장성을 크게 향상시키는 반면, 이들의 책임 있는 구현을 위해서는 알고리즘 편향, 데이터 프라이버시, 학문적 정직성과 같은 과제를 해결하기 위한 강력한 윤리적 안전장치와 인간의 감독이 필요함을 입증한다.
이 논문은 서로 분리된 ADMET 데이터셋 간의 태스크 친화도를 추정하여 엔드포인트를 효과적으로 그룹화하고, 화합물 중첩이 최소한인 경우에도 멀티태스크 학습 성능을 향상시키는 그래디언트 기반 사전 학습 워크플로인 TAG-lite를 소개한다.
본 연구는 1,555개의 오디오 세그먼트를 스펙트로그램 이미지로 변환함으로써 성 야레드(Saint Yared)의 에티오피아 성가(Qum Zema) 세 가지 장르를 분류하는 데 있어 ResNet, VGGNet, AlexNet과 같은 기존 아키텍처보다 우수한 성능을 보이며 88%의 테스트 정확도를 달성한 맞춤형 합성곱 신경망(CNN) 모델을 제시한다.
본 논문은 토큰, 문장, 단락 계층을 통해 문서 구조를 인코딩하는 계층적 구성 하이퍼그래프(Hierarchical Compositional Hypergraph, HCH)를 소개하며, 이러한 구조적 특징을 표준 TF–IDF와 결합하는 것이 어휘적 베이스라인만 사용했을 때보다 텍스트 분류 정확도와 매크로 F1 점수 측면에서 통계적으로 유의미한 향상을 가져온다는 것을 입증한다.
이 논문은 추상화된 외생적 노이즈를 통해 일관된 사실적 미래와 반사실적 미래를 생성하기 위해 쌍둥이 세계 구조적 확산 과정을 채택함으로써 도시 예측, 반사실적 추정, 그리고 위험 인지 의사결정을 통합하는 인과적 생성 세계 모델인 CauCity-WM을 소개한다.
본 연구는 노박 조코비치의 그랜드 슬램 데이터에 적용된 해석 가능한 앙상블 머신러닝 워크플로가 세트 결과에 대해 높은 예측 정확도를 달래할 뿐만 아니라, 개별 모델에서는 종종 간과되는 백핸드 리턴과 같은 선수 특유의 성과 지표를 밝혀낸다는 것을 입증한다.
VectorLLM++는 좌표와 마스크를 위한 새로운 토크나이저를 도입하여 데이터 부족과 구조화된 벡터 출력의 부재를 극복함으로써 7가지 다양한 원격 탐사 인지 및 벡터 매핑 작업 전반에서 특화된 모델들을 능가할 수 있도록 하는 통합된 차세대 토큰 예측 멀티모달 거대 언어 모델입니다.