4030 편의 논문
이 논문은 HFEA 레지스트리를 사용하여 IVF 주기의 실시간 출생 결과를 예측하는 데 있어 최첨단 정확도를 달달성하기 위해, 다섯 개의 트리 기반 학습기와 엄격한 누수 탐지 및 베이지안 최적화를 결합한 커스텀 멀티 브랜치 신경망을 통합한 다양성 중심의 스택 앙상블 모델인 TITAN을 소개한다.
본 연구는 사전 학습된 모델에 의존하지 않고도 글리오마(Glioma), 수막종(Meningioma), 뇌하수체 종양(Pituitary) 및 정상 범주로 뇌 MRI 영상을 분류하는 데 있어 96.10%의 테스트 정확도를 달리는 맞춤형 7계층 합성곱 신경망(CNN) 모델을 제안하며, 컴퓨터 보조 진단을 위한 견고한 성능을 입증한다.
본 논문은 고정밀의 개인 맞춤형 신체 피트니스 추천을 달нг하기 위해 랜덤 포레스트 특성 선택과 그래디언트 부스팅 머신 예측, 그리고 급성-만성 부하 비율 제약을 통합한 도메인 지식 기반 계층적 협업 학습(DKHCL) 프레임워크를 제안하며, 이는 고급 베이스라인 모델 대비 우수한 오프라인 성능뿐만 아니라 전향적 현장 검증을 통한 부상 감소 및 목표 달성 효율성 측면에서의 유의미한 실질적 개선을 입증한다.
본 논문은 다양한 결측 메커니즘 및 결측률 하에서 누락된 전력 부하 시계열 데이터의 고정밀 완성을 달성하기 위해, 이중 베이스라인 프리필링(pre-filling) 전략, 동적 감쇠 진화 알고리즘, 그리고 다차원 가중 손실 함수를 통합한 향상된 EA-Transformer 모델을 제안한다.
이 논문은 명시적 의도 모델링이 파트너 유형별로 뚜렷한 최적 대응을 요구하는 환경에서 파트너의 안정적인 성격과 역동적인 정신 상태를 분리하는 분업을 구축함으로써 파트너 간 부적합성을 줄이고, 이를 통해 암묵적 방법보다 협력 성능을 향상시킨다는 점을 입증한다.
이 논문은 미세한 수형(handshape) 수어 인식을 발전시키기 위해 15명의 참가자로부터 얻은 160개 수형 클래스에 대한 144,000장의 RGB 이미지로 구성된 대규모의 HamNoSys 기반 데이터셋을 소개하며, 피험자 의존적(subject-dependent) 및 피험자 제외(leave-one-subject-out) 평가 프로토콜 하에서 다양한 딥러닝 및 머신러닝 모델을 사용하여 베이스라인 성능을 확립한다.
본 논문은 디지털 헬스 분야의 지속 가능한 요구사항 공학을 위한 역할 인식 프레임워크인 SEEDS를 소개하며, 이는 다차원적 지속 가능성 평가를 실행 가능한 의사결정 기록 및 요구사항으로 구체화하고, 실질적인 도입을 강화하기 위해 새로운 LLM 지원 초안 작성 도구에 의해 뒷받침됩니다.
본 연구는 기존의 No Fragmentation Control 및 Storage Fragmentation-Informed Garbage Collection 방식과 비교하여, 더 낮은 파편화 비율, 현저히 감소된 I/O 지연 시간, 그리고 더 높은 스토리지 건강 지수를 달 achievements 함으로써 중복 제거 스토리지 시스템의 파편화를 효과적으로 줄이는 하이브리드 Random Forest 및 미분 방정식(RF-DE) 컨트롤러를 제안한다.
이 논문은 지식 그래프나 반복적인 비평가 없이도 복잡한 에이전트 기반 베이스라인들을 능가하며, 오픈 도메인 질의응답에서 최첨단 정확도와 개선된 지연 시간을 달성하기 위해 희소 및 밀집 검색을 융합 및 재순위화와 함께 동시에 실행하는 병렬 하이브리드 검색 프레임워크인 PH-RAG를 소개한다.
이 논문은 구조적 인과 모델과 개입을 통합하여 연관적 패턴을 넘어 차별적 경로를 다룸으로써 편향에 강한 데이터를 생성하는 인과 제약 생성적 적대 신경망(CC-GAN)을 검토하며, 비교 분류 체계를 제안하고, 공정성-효용 트레이드오프를 요약하며, 고위험 환경에서의 채택을 위한 주요 과제들을 식별한다.