3982 편의 논문
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.
본 논문은 연합 학습을 위한 비잔틴 강건 집계 알고리즘(Krum, Multi-Krum, Trimmed Mean, Median)의 고성능 C++20 구현을 제시하고 평가하며, 명시적인 비잔틴 가설과 수치적으로 방어적인 네이티브 시스템 설계를 결합하는 것이 적대적 업데이트에 대한 강건성을 유지하면서도 집계를 유의미하게 가속화한다는 것을 엄격한 정확성 검증과 벤치마크를 통해 입증한다.
본 논문은 신원을 서명된 토큰에 결합하고, 암호학적 논스(nonce)를 통해 엄격한 등록 리스(enrollment lease)를 강제하며, 오직 권한이 있고 최신 상태이며 폐기되지 않은 참여자만이 글로벌 모델에 영향을 미칠 수 있도록 보장하기 위해 22가지 적대적 시나리오에 대해 엄격히 테스트함으로써, 네트워크 인증과 모델 영향력을 분리하는 연합 학습을 위한 정책 게이트형 제로 트러스트 아키텍처를 제안하고 검증한다.
이 체계적 문헌 고찰은 혼합 전문가(Mixture-of-Experts, MoE) 아키텍처에서의 적응형 라우팅과 재귀적 학습을 구분하여, 동적 계산 및 전문가 특화에 관한 기존 문헌을 합성하는 동시에 라우팅 안정성 및 자원 제약적 지능형 할당과 같은 과제를 해결하기 위한 연구 의제를 제시하는 재귀적 적응형 재귀 학습(Recursive Adaptive Recursive Learning, RARL) 프레임워크를 제안한다.
본 연구는 통제된 시뮬레이션과 실제 벤치마크에 대한 이차 분석을 통해, 소프트웨어 결함 예측에서 풀링된 무작위 훈련/테스트 분할을 사용하는 것이 프로젝트 인지적 검증 방법과 비교하여 체계적으로 낙관적인 성능 추정치를 산출한다는 것을 입증하며, 이는 프로젝트 경계를 존중하는 평가 프로토콜의 결정적인 필요성을 강조한다.
본 연구는 뎅기열 발생 예측을 위해 확률적 불확실성 추정, 내재적 설명 가능성 및 규칙 기반 위험 계층화를 결합한 시계열 통합 트랜스포머(Temporal Fusion Transformer)를 통합함으로써, 베이스라인 모델들을 능가하고 공중 보건 의사결정을 지원하는 신뢰할 수 있는 AI 프레임워크를 제시한다.