3982 편의 논문
본 논문은 증거 기반의 필터링된 SHAP 기여도와 교육학적 근거를 갖춘 LLM 피드백을 통합하여, 다양한 교육적 맥락에 걸친 학생 위험 예측에 대해 시나리오 호환적인 실행 가능한 설명을 생성하는 교차 데이터셋 프레임을 제안하며, 횡단적 및 종단적 데이터셋 모두에 대한 검증을 통해 개선된 준수성 및 강건성을 입증한다.
이 논문은 확산 증강 대조 학습(diffusion-augmented contrastive learning)을 통해 EEG 표현을 대규모 언어 모델 임베딩과 정렬함으로써 뇌 신호와 자연어 사이를 연결하는 파운데이션 모델인 EEG-LM을 소개하며, 이를 통해 여러 데이터셋에 걸쳐 최첨단 성능, 강력한 일반화 능력, 그리고 해석 가능한 감정 인식을 달성한다.
본 논문은 적응형 Min-Max 벡터 정규화(Adaptive Min-Max Vector Normalization), 특징 선택을 위한 개선된 가중치 래퍼-필터(Improved Weighted Wrapper-Filter), 그리고 향상된 GoogleNet과 캡슐 네트워크의 소프트 보팅 앙상블을 결합하여 97.4%의 정확도로 매우 정확하고 신뢰할 수 있는 인지 상태 탐지를 달성하는 하이브리드 딥러닝 프레임워크인 E-GCNet을 제안한다.
PRISMA 2020 가이드라인에 따라 수행된 본 체계적 문헌고찰은 만성 질환의 조기 발견을 위한 다양한 딥러닝 알고리즘의 잠재력을 평가하는 동시에 데이터 부족 및 해석 가능성과 같은 현재의 한계점을 강조하고, 더욱 신뢰할 수 있고 임상적으로 유익한 진단 시스템을 개발하기 위한 향후 방향을 제안한다.
본 연구는 최소 원자 단위(Minimal Atomic Unit, MAU) 프레임워크를 활용하여 메타 분석을 위한 고정밀도 및 출처 추적 가능한 데이터 추출을 달实现하는 구성 가능한 LLM 시스템을 제시하며, 이는 다양한 임상 영역에 걸쳐 무시할 만한 수준의 환각률을 유지하면서 비분해 방식(non-decomposed approaches)보다 성능이 현저히 뛰어납니다.
이 논문은 텐서-트레인(Tensor-Train) 레이어를 물리 정보 신경망(Physics-Informed Neural Networks)에 통합하는 것이 원래 정확도의 97%를 유지하면서도 파라미터 수를 최대 8.8배까지 크게 줄일 수 있음을 입증하며, 압축 효율은 기저에 있는 PDE 해의 규칙성에 크게 의존한다는 것을 보여준다.
본 논문은 엔티티 노이즈가 LLM이 생성한 계량서지학적 그래프에서 어떻게 고신뢰도 허위 관계 위험을 증가시키는지 입증하는 섭동 기반 감사 및 완화 프레임워크를 제안하고 평가하며, 엔티티 및 증거 인지형 절제 전략이 그래프의 무결성을 보존하는 데 있어 단순 신뢰도 필터링보다 효과적으로 우수함을 밝힌다.
WSL-Det은 Vajra 아키텍처를 기반으로 구축되어 주파수 인지적 전역 상호작용을 위한 파동 기반 어텐션과 이방성 국소화를 위한 순차적 직교 스트립 컨볼루션을 통합함으로써 가죽 및 NEU-DET과 같은 산업용 스트립 결함 데이터셋에서 최첨단 정확도와 속도를 달성하는 실시간 객체 탐지기입니다.
이 연구는 가나의 한 병원으로부터 얻은 전자 의료 기록 데이터를 사용하여 만성 질환 환자의 복약 준수 여부를 89.5%의 높은 정확도로 성공적으로 예측하고, 저자원 보건 체계에 배포하기에 적합한 소규모의 자원 효율적인 특징 집합을 식별함으로써 설명 가능하고 문맥을 인식하는 머신러닝 프레임워크를 개발 및 검증하였다.
이 논문은 흉부 방사선 사진과 CT 보고서를 검색, 분류, 이미지-텍스트 지도 학습과 같은 작업에 효과적으로 처리할 수 있는 0.6B 및 4B 파라미터 크기로 제공되는 다목적 지시어 조건부 텍스트 인코더인 Chest2Vec을 소개하며, 기존 모델들과 비교하여 CT 보고서에 대해 우수한 성능을 입증한다.