2305 편의 논문
이 논문은 다양한 시간 해상도에 걸쳐 우울증 심각도의 고도로 정확하고 견고하며 확장 가능한 실시간 분류를 달성하기 위해 다중 모달 생체 신호와 동적 PAD 기반 레이블링을 활용하는 새로운 어텐션 기반 시계열 프레임워크인 SATrans를 제안한다.
본 논문은 다중 스케일 공간 특징 융합과 아트러스스 피라미드 시간적 풀링을 활용하여 정확하고 해석 가능하며 효율적인 조기 심방 및 심실 수축의 자동 탐지를 달로 달성함으로써 기존 방법들을 능가하는 모티프 행렬 기반의 새로운 밀도 적응형 모델(NDAMM)을 제안한다.
본 논문은 OpenML 정형 데이터 태스크에 대해 원시 예측, 온도 스케일링(temperature scaling), 그리고 디리클레 보정(Dirichlet calibration) 사이를 동적으로 선택하는 경량화된 프로브 기반 정책을 제안하고 평가하며, 이러한 조건부 선택이 범용 보정이나 무보정 방식에 비해 확률 정확도와 기권 품질을 모두 향상시킨다는 것을 입증한다.
Āyurpadaviśleṣikā는 자연어 처리, 컴퓨터 비전 및 전문가 큐레이션을 통해 지식의 파편화 문제를 해결하고 다양한 사용자들을 위한 접근성을 높이기 위해, 고전 산스크리트 문헌에 기록된 4,000개 이상의 약재 항목을 아유르베다의 5단계 체계에 따라 정리하는 AI 지원 디지털 플랫폼입니다.
이 논문은 시간적 및 구조적 입법 이력을 활용한 특징 기반의 해석 가능한 머신러닝 접근 방식을 제안하며, 이는 브라질 하원의 법안 단계별 승인 결과를 예측하는 데 있어 기존 베이스라인 모델들을 크게 능가함으로써 강화된 입법 모니터링과 투명성을 위한 실용적인 도구를 제공한다.
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.