2305 편의 논문
본 연구는 키워드 제한을 극복하기 위해 2017년부터 2025년까지의 엄선된 2,631개 헬스케어 AI 문헌 코퍼스를 대상으로 표준 계량서지학적 분석과 잠재 디리클레 할당(LDA) 토픽 모델링을 통합하며, 이를 통해 배포 준비가 된 애플리케이션에서 대규모 언어 모델 및 설명 가능한 AI와 같은 거버넌스 의존적 최전선으로 이어지는 성숙 궤적을 밝혀낸다.
이 논문은 지형 지도나 전방 주시 롤아웃에 의존하지 않고도 렌더링된 1인칭 시점 뷰와 후보 명령어를 사용하여 단기 신체 위험을 예측함으로써, 전진 진행을 유지하면서 안전성과 명령어 일치도를 크게 향상시킨 사족 보행 로봇을 위한 시뮬레이션 기반 명령 선택 계층을 제시한다.
이 논문은 AI 모델의 활성화 값을 표준화된 임상 용어에 매핑하는 뉴런 수준의 사후 설명 프레임워크인 CRysTal을 소개하며, 이것이 여러 의료 영상 작업에 걸쳐 기존의 설명 방법들과 비교했을 때 방사선 보고서와의 우수한 정렬, 향와된 진단 신뢰성, 그리고 의사를 위한 효율성 개선을 입증한다고 밝히고 있다.
본 논문은 동적 지능형 교통 시스템에서 메시지 검증 효율성, 개인정보 보호 및 보안을 향상시키기 위해 직관적 퍼지 집합을 활용하여 투명한 신뢰 가중 투표 합의 메커니즘을 구축하는 설명 가능하고 신뢰할 수 있는 AI 프레임워크를 제안한다.
이 논문은 스태킹 앙상블 모델을 사용하여 탈라세미의 매우 정확한(99.89%) 및 임상적으로 일관된 다중 클래스 분류를 달야내기 위해 CBC와 HPLC 바이오마커를 결합한 해석 가능한 멀티모달 머신러닝 프레임워크를 제시하며, SHAP 분석을 통해 상위 예측 특징들이 표준 진단 기준과 일치함을 확인하였다.
본 연구는 ANVISA 규제 문서를 기반으로 구축된 이중 언어 검색 증강 생성 시스템을 평가하며, 해당 시스템이 캘리브레이션 후 답변 불가능한 질의를 효과적으로 처리하면서 의약품 개발을 위한 포르투갈어 및 영어 규제 요구 사항을 찾아내고, 인용하고, 요약하는 데 있어 높은 정확도를 입증함을 보여준다.
본 논문은 이기종 데이터 모달리티를 정확하게 분석하고 기존 모델의 한계를 극복함으로써 무인 군집 사물인터넷 내 가상 현실 학습 시스템의 보안 리스크를 효과적으로 평가하기 위해 Conv1D-LSTM, CNN, 그리고 멀티 헤드 어텐션 메커니즘을 통합한 CLCM 모델을 제안한다.
본 논문은 정밀 농업을 지원하기 위해 EfficientNetB3 전이 학습과 Grad-CAM 설명 가능한 분석을 사용하여 조기 갈색무늬병, 후기 갈색무늬병, 잎곰팡이병 및 건강한 잎을 탐지하는 높은 분류 정확도와 해석 가능성을 달성한 자동 토마토 잎 질병 진단 프레임워크를 제안한다.
이 논문은 웹의 링크 그래프 내에서 권위나 주제와는 크게 무관한 뚜렷한 '캐릭터' 신호가 사용자의 선호도와 일치할 때 독자의 전환율에 잠재의식적으로 영향을 미칠 수 있음을 입증하는 사전 등록된 측정 방식인 DYNAMICS-WEB을 소개한다.
본 연구는 이양시의 데이터를 활용하여 다중 스케일 특징 추출 및 적응형 채널 가중치를 통해 기존 딥러닝 모델보다 우수한 정확도와 안정성을 입증하며, Squeeze-and-Excitation 어텐션으로 강화된 하이브리드 MSCNN-LSTM 모델을 통해 시간별 대기질 지수 값을 예측할 것을 제안한다.