4030 편의 논문
이 논문은 N-BaIoT, CICIoT2023, BoT-IoT 데이터셋을 사용하여 다양한 모델(CNN, LSTM, XGBoost 포함)을 전처리하고 학습시킴으로써 강력한 성능을 달agi는 동시에 개인정보 보호 및 자원 제약 문제를 해결하는 IoT 침입 탐지를 위한 엔드 투 엔드 연합 하이브리드 딥러닝 프레임워크를 제시하며, 결과는 특히 다중 클래스인 CICIoT2023 데이터셋의 어려움을 강조한다.
이 논문은 버전 관리된 패치 식별자를 활용하여 적응을 격리함으로써 제로 포게팅(zero forgetting)을 달성하고, 독립적인 모델들에 비해 저장 공간을 줄이면서도 유의미하게 빠른 수렴을 실현하는 지속적인 MOBA 드래프트 추천을 위한 패치 라우티드 믹스처 오브 엑스퍼츠(patch-routed mixture-of-Experts) 아키텍처를 제안하며, 다만 패치의 스트림이 길어짐에 따라 그 속도 우위는 감소한다.
본 논문은 피부 병변의 공동 분류 및 분할을 위해 계산 효율성과 진단 신뢰성 사이의 균형을 효과적으로 맞춘 어텐션 강화형 경량 MobileViT-XS 프레임워크를 제안하며, 이는 헤비웨이트 모델보다 현저히 적은 파라미터로 ISIC 2019 데이터셋에서 경쟁력 있는 성능을 달성한다.
본 논문은 다중 스케일 특징 추출, 정보 병목 정규화 및 생리학적 제약을 통합하여 기존 베이스라인 모델들을 공공 ECG 데이터베이스에서 능가하며 정확하고 임상적으로 타당한 심장 부정맥 인식을 달성하는 다중 스케일 신경화 마르코프 무작위 장(MSMRF) 프레임워크를 제안한다.
본 연구는 OCT 영상으로부터 환자의 안구 파라미터를 분석하여 원추각막의 중증도를 감지하기 위해 두 개의 LSTM(Long Short-Term Memory) 기반 머신러닝 모델을 활용하며, 단안 및 양안 데이터를 모두 고려함으로써 질병의 진행을 효과적으로 모니터링한다.
이 전후 비교 연구는 페르시아어 기반 모바일 애플리케이션인 AIMedEdu가 보건 의료 전공 학생들의 인지된 의료 AI 준비도를 유의미하게 향상시켰으며 우수한 사용성 평가를 받았음을 보여주지만, 장기적인 교육적 효과와 일반화 가능성을 확인하기 위한 향후 연구가 필요하다.
이 논문은 EfficientNet-B3 인코더와 트랜스포머가 강화된 U-Net 디코더를 결합한 하이브리드 딥러닝 모델인 HAG-EUNet을 소개하며, 이를 통해 OCT 이미지에서 자동화된 고정밀 맥락막 분할을 달성하고 32개의 임상적으로 유의미한 바이오마커를 추출함으로써 정확도와 효율성 측면 모두에서 표준 U-Net 베이스라인을 크게 능가합니다.
KORAL-Net은 3상 DCE-MRI에서 경계 증거를 보존하기 위해 볼륨 표현과 다중 스케일 특징 재구성을 분리하는 순서형 3D 세그멘테이션 아키텍처로, 내부 및 교차 코호트 I-SPY 데이터셋 모두에서 nnU-Net v2 대비 우수한 Dice 점수와 감소된 위양성률을 달성한다.
본 논문은 자율 주행의 NP-난해(NP-hard) 과제들을 해결하면서 최첨단 객체 탐지 및 자율 의사결정을 달ato하기 위해, 고정밀로 진화된 YOLO 탐지기를 인공 신경망 전문가 시스템(ANES) 및 대규모 언어 모델(LLM)과 통합한 범용 자율 주행 시스템(UADS)을 제안한다.
이 논문은 공격적인 구조적 프루닝(structural pruning) 상황에서 우수한 복구 성능과 상당한 자원 절감을 달성하기 위해, 프루닝된 모델의 실패하는 KL-divergence 신호를 학생 모델의 음의 로그 가능도(negative log-likelihood)로 대체하는 교사 없는(teacher-free) 데이터 선택 방법인 PASER-NLL을 소개한다.