4030 편의 논문
이 실증적 연구는 2020년부터 2026년까지의 AI 사건들을 주요 규제 프레임워크에 따라 분석하여, 특히 외부 탐지 및 영향 평가 측면에서 나타나는 중대한 사후 배포 책임 격차를 밝히는 한편, 이러한 체계적 실패를 해결하기 위한 선제적 AI 거버넌스 준수 프레임워크(PAGCF)를 제안한다.
이 논문은 오직 구조적 특징만을 기반으로 변분 양자 회로의 학습 가능성을 정확하게 예측하고 바렌 플래토(barren plateaus)를 식별하는 데이터 기반 고전 머신러닝 모델을 제시하며, 이는 양자 회로 설계를 스크리닝하기 위한 비용이 많이 드는 그래디언트 샘플링에 대한 비용 효율적인 대안을 제공한다.
본 연구는 브라질 연방 고속도로 경찰청의 대규모 데이터셋(2020~2024)을 활용하여, 엄격한 시계열 분할과 SHAP 기반 해석력을 통해 검증된 비용 민감형 LightGBM 모델이 교통사고 사망자 예측에 있어 다른 앙상블 방법들보다 우수함을 입증하고, 선제적 안전 정책 수립을 위한 핵심 위험 요인을 식별한다.
본 논문은 순수 RSA 방식보다 계산 효율성 측면에서 크게 앞서며 픽셀 손실 부패에 대한 강력한 복구 능력을 입증하는, 보안성이 높고 손실 없는 의료 영상 재구성을 보장하는 RSA-OAEP 및 AES-128-CBC 암호화와 SHA-256 무결성 검증을 결합한 하이브리드 프레임워크를 제안한다.
본 논문은 웨이브릿 변환과 다중 스케일 확장 컨볼루션을 활용하여 초음파 영상 내 갑상선 결절을 효과적으로 분류함으로써 높은 정확도와 노이즈 및 미세 결절 문제에 대한 강건성을 달성하는 주파수 인지형 딥러닝 프레임워크인 DL-TUS를 제안한다.
본 연구는 이전에 온-폴리시(on-policy) PPO 학습을 안정화했던 폴백 기반 불확실성 게이팅 메커니즘을 오프-폴리시(off-policy) TD3에 적용했을 때 통계적 이점이 없음을 입증하며, 이는 해당 메커니즘의 가치가 일반적인 강건성 증폭기로서가 아니라 온-폴리시 학습 붕괴를 교정하는 데 특화되어 있음을 나타낸다.
이 논문은 평가 프로토콜에서의 최대 생성 길이가 사고 사슬(chain-of-thought) 추론을 절단함으로써 모델 체크포인트가 구별 가능한지 또는 구별 불가능한지를 결정짓는 결정적인 요소임을 입증하며, 이는 미세 조정 연구에서 흔히 누락되어 모델의 성능과 추세에 대한 오해를 불러일으킬 수 있는 요인이다.
본 연구는 절강성 역사 지구의 역사적 보존과 상업적 활성화 사이의 균형을 맞추기 위해 Stable Diffusion, ControlNet, MLSD 및 LoRA를 통합한 이중 제어 생성 설계 프레임워크를 제안하며, 이를 통해 다양한 비즈니스 형식에 걸친 파사드 리노베이션에 대해 높은 구조적 충실도와 기능적 대응성을 달성한다.
이 논문은 보조 해부학적 사전 지식 데이터셋과 타겟 재국소화 메커니즘을 활용하여 고품질의 의사 라벨(pseudo-labels)을 생성함으로써 주석 비용을 절감하는 동시에 병변 분할 정확도를 크게 향상시키는, 이미지 수준의 주석을 활용한 크론병용 약지도 학습 기반 분할 방법을 제안한다.
본 논문은 신호 보존 프레임워크인 SWH-SegFormer를 제안하며, 이는 채널 재보정, 하르 웨이브릿 다운샘플링, 그리고 계층적 상호 주의 집중 메커니즘을 통합하여 세그멘테이션의 난제를 극복하고 신뢰할 수 있는 녹내장 평가를 위한 정확한 시신경 유두 및 시신경 함몰 결합 세그멘테이션을 달성함으로써 시컵-디스크 비율 추정을 가능하게 한다.