3982 편의 논문
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.
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.