3657 편의 논문
NK 랜드스케이프를 이용한 이 계산 연구는 대부분의 네트워크 재구조화 규칙이 조직적 탐색을 개선하는 데 실패하는 반면, 설계자 주도의 단계 기반 재구조화는 특히 고도로 복잡한 문제 환경에서 성능을 유의미하게 향상시킨다는 것을 밝혀냈다.
이 논문은 보안 및 프라이버시 인지형 서비스 구성 프레임워크인 SecureL-DLSC를 소개하며, 이는 감사 가능한 증거 적격성 프로토콜을 통해 필수적인 타당성 제약을 강제함으로써 소프트 페널티만으로는 준수를 보장하기에 불충분하며 엄격한 정책 하에서 실행 가능한 솔루션을 찾기 위해서는 특정 옵티마이저 구현이 필요함을 입증한다.
186개의 연구를 대상으로 한 이 체계적 문헌 고찰은 인간의 감독이 AI 보조 결정에 대한 안전장치로서 널리 의무화되어 있는 반면, 현재의 증거는 인과적이라기보다는 주로 규범적이고 연관성에 기반하고 있음을 밝히며, 저자들이 이러한 감독이 실제로 결정의 질을 개선하는지 입증하기 위해 측정 가능한 구성 요소와 검증 가능한 명제를 갖춘 새로운 프레임워크를 제안하도록 유도했음을 보여준다.
데이터 부족 및 색상 왜곡과 같은 수중 문화유산 탐지의 과제를 극복하기 위해, 본 논문은 RGB와 깊이 정보를 효과적으로 융합하여 기존 베이스라인을 크게 능가하는 물리 기반 듀얼 스트림 탐지기인 WRF 데이터셋과 UCH-Net을 소개한다.
이 논문은 거대 언어 모델이 전통적인 기호, 체화, 또는 인간과 같은 지향성에 기반하기보다는 네트워크의 내부적 관계 조직에 뿌리를 둔 일종의 의미론적 역량을 보여준다고 주장하며 구조주의적 관점을 제안한다.
이 논문은 시스템 프로세스를 카테고리로 분류하고 각 카테고리에 전용 경량 그래프 오토인코더를 학습시킴으로써, 낮은 계산 오버헤드를 유지하면서도 프로비넌스 기반 침입 탐지에서 우수한 정밀도-재현율 트레이드오프와 향상된 경보 품질을 달성하는 행동 특화 프레임워크인 Targeter를 소개한다.
본 연구는 6종의 안면 피부 질환 분류를 위한 7가지 사전 학습된 시각적 표현에 대한 체계적인 평가를 제시하며, Derm Foundation 모델이 XGBoost 분류기와 결합되었을 때 우수한 성능(정확도 88.17%)을 달성함을 입증하는 동시에 지루성 피부염과 주사 피부염을 구별하는 데 있어 특정 과제를 강조하고 프로토타입 웹 애플리케이션을 통해 프레임워크의 기술적 타당성을 검증한다.
본 연구는 FiQA 벤치마크를 통해 TF-IDF, BM25, 양자화된 MiniLM 밀집 리트리버(dense retriever) 및 이들의 상호 순위 결합(reciprocal rank fusion)에 대한 검색 정확도와 지연 시간을 평가하며, 밀집 모델이 희소 방식(sparse methods)보다 성능이 크게 뛰어나지만 결합 방식은 MiniLM 단독 사용 시와 비교하여 미미하고 통계적으로 유의미하지 않은 개선만을 보여준다는 점을 밝혀냈다.
본 연구는 클리블랜드 심장병 데이터셋에 앙상블 특성 선택 및 레이블 노이즈 제거를 구체적으로 활용한 체계적인 데이터 엔지니어링 워크플로우를 적용하는 것이 데이터셋의 예측력을 유의미하게 향상시키고 복잡성을 감소시킴으로써, 결과적으로 이를 임상 적용을 위한 더욱 신뢰할 수 있는 AI 준비형 자원으로 변모시킨다는 것을 입증한다.
본 논문은 개선된 전처리, ResNet 기반 특징 추출, 특징 선택을 위한 하이브리드 Walrus-Greylag Goose 최적화 알고리즘, 그리고 점수 수준에서 융합된 RNN-Bi-LSTM 모델을 결합하여 GPDS 및 CEDAR 데이터셋에서 우수한 성능을 달성함으로써 정확도를 향상시킨 지능형 서명 검증 시스템을 제안한다.