3982 편의 논문
이 논문은 널리 사용되는 다섯 가지 API 속도 제한 알고리즘인 토큰 버킷, 리키 버킷, 고정 윈도우, 슬라이딩 윈도우 로그, 슬라이딩 윈도우 카운터를 조사하고 실험적으로 비교하여, 버스트 허용량과 정밀도 측면에서의 트레이드오프를 평가함으로써, 궁극적으로 특정 트래픽 특성 및 시스템 제약 조건에 따라 가장 적절한 알고리즘을 선택하기 위한 지침을 제공한다.
본 논문은 사용자별 데이터 없이도 8가지 요가 자세를 98%의 정확도로 분류하고 생체역학적 관절 각도 편차를 기반으로 교정 피드백을 생성하기 위해, YOLOv8m-Pose 키포인트 검출과 트랜스포머 기반 시계열 분석을 결합한 딥러닝 프레임워크인 잔차 생체역학 트랜스포머 네트워크(RBTNet)를 제안한다.
본 논문은 이커머스 매출 패턴의 이상 징슘을 탐지하기 위해 Isolation Forest와 LSTM Autoencoder 모델을 통합하고, 이들의 출력을 상호작용형 Streamlit 대시보드를 통해 접근 가능한 3단계 경보 시스템으로 융합하여 실행 가능한 의사결정 지원을 제공하는 배포 가능한 비즈니스 인텔리전스 플랫폼인 SentinelBI AI를 소개한다.
본 연구는 높은 재현율로 통신 고객 이탈을 예측하는 로지스틱 회귀 모델을 활용하고, 데이터 기반의 유지 전략을 용이하게 하기 위해 대화형 스트림릿(Streamlit) 대시보드에 통합된 배포된 머신러닝 파이프라인인 ChurnGuard AI를 제시한다.
본 논문은 오차 경계가 설정된 KV 캐시 압축과 희소 어텐션을 동적으로 결합하여 긴 문맥의 LLM 추론 시 메모리, 연산량 및 지연 시간을 획기적으로 줄이는 동시에, 보정된 드롭된 질량(dropped-mass) 경계를 통해 어텐션 출력 정확도를 공식적으로 보장하는 추론 인지형 프레임워크를 제안한다.
이 논문은 감정 관련 과업을 위해 강화 학습 에이전트를 최적화하는 것이 생물학적 감정의 핵심 특성과 일치하는 내부 보상 신호를 자연스럽게 발생시킨다는 점을 입증하며, 이는 감정이 무형의 목표를 추구하기 위해 행동을 변화시키도록 진화했다는 원리를 뒷받침한다.
본 연구는 5개의 공개 데이터셋을 대상으로 4개의 전통적인 머신러닝 모델과 4개의 트랜스포머 기반 모델을 체계적으로 벤치마킹하였으며, RoBERTa와 같은 트랜스포머 아키텍처가 가짜 뉴스 탐지 정확도 측면에서 전통적 방식들을 유의미하게 능가하는 반면 실질적으로 더 높은 계산 비용을 초래한다는 점을 입증함으로써, 다양한 자원 제약 조건 하에서의 모델 선택을 위한 중요한 트레이드오프 통찰을 제공한다.
이 논문은 이전에 기록되지 않았던 네팔의 카드 게임인 다할 지트(Dahal Jeet)를 공식적으로 정의하고, 탐색 기반 에이전트가 학습 기반 방법보다 우수한 성능을 보임을 입증하는 종합적인 계산 벤치마크를 제시하며, 승리의 더 강력한 예측 인자가 점수 카드보다 트럼프의 길이임을 밝히고 인간과 에이전트 간의 성능 차이를 정확하게 측정하기 위해서는 딜 변동성을 제어하는 것이 필수적임을 드러낸다.
본 연구는 가우시안 노이즈와 JPEG 획득 환경하의 고정된 보행자 탐지기에 대하여, 디노이저를 선택할 때 열화 모델 매칭에 기반하여 선택하는 것이 탐지 성능 회복에 결정적인 반면, PSNR이나 SSIM과 같은 전통적인 복원 충실도 지표에 의존하는 것은 차선의 선택을 초래할 수 있음을 입증한다.
AlamX는 민감한 사용자 데이터를 원격 서버로 전송하지 않고도 정확하고 불확실성을 인지하는 질병 예측과 대화형 건강 가이드를 제공하기 위해, 랜덤 포레스트 기반의 증상 및 활력 징후 트리아지 시스템과 로컬에서 실행되는 생물 의학 LLM을 결합한 프라이버시 보존형 완전 로컬 임상 지능 플랫폼입니다.