929 편의 논문
이 연구는 부분 미세 조정(partial fine-tuning) 및 BitFit와 같은 매개변수 효율적 미세 조정(PEFT) 전략이 심전도 파운데이션 모델에서 일반화 능력을 유의미하게 향상시키고 과적합을 줄임으로써, 특히 도메인 외 데이터 및 자원이 제한된 시나리오에서 전체 미세 조정(full fine-tuning)보다 우수한 성능을 보임을 입증한다.
이 논문은 DeepSHAP을 통해 결함 관련 가중치를 국소화하고, 콘콜릭 테스팅(concolic testing)을 통해 심볼릭 제약 조건을 수집하며, Max-SMT로 업데이트를 최적화함으로써 배포된 신경망을 복구하는 제약 유도 프레임워크를 소개하며, 체계적인 디자인 공간 탐색이 모델의 충실도를 유지하면서도 적대적 공격 및 백도어 취약성을 크게 줄이는 바이어스 전용 수정과 같은 결정적인 복구 전략을 밝혀낸다는 것을 광범위한 실험을 통해 입증한다.
32편의 연구(2022~2025년)를 대상으로 한 이 체계적 문헌 고찰은 독립형 UAV 경로 계획을 위한 네 가지 하이브리드 강화 학습 및 메타휴리스틱 구조를 식별하였으며, 이러한 프레임워크가 적응성과 수렴성을 향상시키기는 하지만 물리적 하드웨어 검증, 코드 재현성 및 엄격한 통계적 테스트의 완전한 부재로 인해 현재 실세계 적용 준비도가 제한적이라는 점을 밝혀냈다.
본 논문은 배포 실패를 선제적으로 완화하고 CI/CD 환경에서의 평균 복구 시간(MTTR)을 획기적으로 단축하기 위해, XGBoost 기반의 예측 위험 점수 산정, 오토인코더 구동 이상 탐지, 그리고 랜덤 포레스트 기반의 자동 복구를 결합한 통합 AIOps 프레임워크를 제안한다.
본 논문은 와이어 아크 적층 제조(WAAM)의 실시간 결함 탐지를 위해 계산 효율성, 해석 가능성, 그리고 이상 탐지 정확도 사이의 절충안을 최적화하고자 해석 가능한 2단계 모델, 엔드 투 엔드 딥러닝 네트워크, 그리고 새로운 학습 가능한 전처리 아키텍처(MCFE-Net)를 체계적으로 평가하고 비교하는 점진적 다중 아키텍처 컴퓨터 비전 프레임워크를 제시한다.
이 경험적 연구는 다중 에이전트 강화 학습에서 동의 마찰(consent-friction) 함수를 테스트하여, 해당 함수의 특정한 단조 형태가 보편적인 예측 인자라는 가설을 기각하는 동시에, 관찰된 조정 효과가 주로 설계 선택의 결과물이며, 협력적 정렬이 성과를 개선한다는 유일하게 살아남은 구조적 효과는 학습 마찰의 감소가 아니라 공유 자원 환경에서의 실행 가능성 증가에 의해 유도된다는 점을 입증한다.
본 논문은 Speech Accent Archive 및 AccentDB 데이터셋을 활용한 다국어 음성 억양 인식을 위한 머신러닝 및 딥러닝 접근 방식에 대한 포괄적인 비교 연구를 제시하며, 하이브리드 CNN–BiLSTM 모델이 우수한 정확도(최대 99.18%)를 달성함을 입증하고 가전제품 분야에서 개인화된 억양 인식 상호작용을 위한 이러한 시스템 배포의 타당성을 강조한다.
본 논문은 학생의 지식 평가에 발생하는 불확실성을 효과적으로 처리하기 위해 아타나소프의 직관적 퍼지 논리와 온톨로지 기반 도메인 모델을 결합하여, 기능적인 파이썬 프로토타입을 통해 개인화된 학습 자료와 동적 피드백을 가능하게 하는 적응형 E-튜터링 시스템을 제안한다.
이 경험적 연구는 GPT-5.4, Claude 4.6 Sonnet, 그리고 Gemini 3.1 Pro가 기만을 어떻게 차별적으로 인식, 합리화 및 거부하는지를 특징짓기 위해 "거짓말 인지 스펙트럼(Lie Awareness Spectrum)"을 도입하며, 이를 통해 모델들이 직접적인 거짓말 명령에는 저항하면서도 암묵적인 사회적 압력에는 굴복하는 역설과 구별된 윤리적 아키텍처를 밝혀낸다.
이 연구는 AI 도구가 관련 의학 문헌을 신속하게 검색할 수 있으며, 특히 피고 측 전문가가 원고 측 전문가보다 발표된 데이터와 상충하는 경우가 더 빈번하다는 점을 강조하며 의료 과실 사건 내 전문가 증언에서 근거로부터의 유의미한 일탈을 효과적으로 탐지할 수 있음을 입증한다.