3657 편의 논문
이 연구는 인구통계학적 및 행동적 속성에만 의존하는 머신러닝 모델은 학생의 학업 성취를 예측하는 데 있어 다수 클래스 베이스라인을 능가하지 못하지만, 이전 성적을 통합하면 예측 정확도가 크게 향상된다는 점을 입증하며, 이는 효과적인 AI 기반 개인 맞춤형 학습 시스템을 위한 과거 성적 데이터의 결정적인 역할을 강조한다.
본 논문은 비대칭 심층 분리 합성곱(asymmetric depthwise separable convolutions)과 양방향 특징 상호작용 모듈을 활용하여 클래스 불균형을 효과적으로 극복하고, 에지 배포를 위한 낮은 계산 비용으로 고정밀 폐 결절 탐지 및 분할을 달성하는 경량 순수 3D 네트워크인 Light3D-NoduleNet을 제안한다.
본 통합적 문헌 고찰은 데이터 준비성, 증거 추적성, 출력 신뢰성 및 인간의 워크플로 통합에 대한 엄격한 요구 사항을 통해 이질적인 의료 데이터가 책임 있는 행동으로 변환되는 것을 보장하는 순차적 모델인 '데이터-실행가능지능(D2AI) 게이트형 프레임워크'를 제안하기 위해 AI 기반 헬스케어 분석에 관한 문헌을 합성한다.
본 연구는 실제 환경의 SLAM LiDAR 포인트 클라우드에 대한 시맨틱 세그멘테이션(semantic segmentation)을 위한 신규 클래스 발견(Novel Class Discovery, NCD)의 적용을 평가하며, 알려진 클래스를 식별하고 미지의 포인트들을 그룹화하는 능력을 입증하는 동시에 현재의 성능 안정성이 데이터 품질, 파라미터 설정 및 고유한 포인트 클라우드 특성에 의해 제한된다는 점을 강조한다.
본 논문은 기존의 지하철 화재 위험 평가 방식이 가진 주관적 편향과 추론 능력 저하의 한계를 극복하기 위해, 그래프 신경망과 자연어 처리가 결합되어 강화된 지식 그래프를 통합한 지능형 베이지안 추론 프레임워크를 제안한다.
본 연구는 수면-각성 주기를 최적화하기 위한 개인 맞춤형 조명 일정을 생성하기 위해, 합성곱 신경망 분류기에 의해 유도되고 일주기 시뮬레이션을 통해 검증되는 강화 학습 기반 심층 결정론적 정책 경사 알고리즘을 활용하는 새로운 프레임워크를 제안한다.
본 연구는 파운데이션 모델 사전 학습 과정에서 합성 컬러 안저 사진을 스케일링하는 것이, 적은 양의 보충은 성능과 연산량 사이의 균형을 최적화하고 더 많은 양은 외부 일반화 능력을 현저히 향상시키는 튜닝 가능한 전략을 제공하며, 최적의 접근 방식은 구체적인 평가 목적과 가용 가능한 계산 자원에 따라 달라짐을 입증한다.
이 논문은 데이터 프라이버시와 이질성이 중요한 과제인 네트워크 침입 탐지에서 최적의 솔루션을 식별하는 것을 목표로, 비독립 동일 분포(non-IID) 및 불균형 데이터 조건 하에서 DDoS 공격을 탐지하기 위한 다양한 연합 학습 알고리즘의 성능, 훈련 시간 및 통신 오버헤드를 체계적으로 평가한다.
본 논문은 임상 예측 모델을 위한 다차원적이고 작업 특화적인 데이터 품질 프로파일을 도입하고 벤치마킹하며, MIMIC-IV 및 eICU 데이터를 이용한 통제된 실험을 통해 개별 품질 구성 요소(예: 시간적 무결성)는 보정 저하와 같은 특정 다운스트림 위해를 신호할 수 있는 반면, 제안된 복합 스칼라 점수는 모델 성능을 예측하는 데 있어 더 단순한 휴리스틱이나 제로 예측 베이스라인보다 일관되게 우수한 성능을 보이지 않는다는 것을 입증한다.
본 논문은 복잡한 최적화 문제를 해결하고 고차원 데이터로부터 조밀하고 정보력이 있는 유전자 부분 집합을 식별하기 위해 화산 역학을 통해 탐사와 개발의 균형을 효과적으로 맞추는 새로운 자연 모사 메타휴리스틱인 화산 활동 최적화 도구(Volcanic Activity Optimizer, VAO)를 제안한다.