2305 편의 논문
NeviUNet은 Mish 활성화 함수, 어텐션 게이트(Attention Gates), SE 블록을 통합하는 동시에 계산 비용이 많이 드는 구성 요소들을 생략함으로써 전신 이미지에서 정확하고 저지연의 피부 병변 분할을 달성하는 효율적인 어텐션 강화형 U-Net 변형 모델입니다.
본 논문은 경량 CNN, 시계열 모델링, 그리고 의료 최적화 손실 함수를 결합하여 치명적인 위음성률을 크게 줄임으로써, 가변 길이의 플랩 수술 시퀀스에 대해 고정밀 실시간 관류 모니터링을 달성하는 트랜스포머 기반 스트리밍 프레임워크인 FlapFlowNet을 제시한다.
본 논문은 온톨로지 제약 기반의 SPARQL 쿼리 생성과 밀집 검색 폴백(dense retrieval fallback)을 결합하여, 순수 밀집 검색 대비 사실적 정확도를 크게 향상시키는 동시에 유사한 수준의 충실도를 유지하는 신경-기호적 질의응답 아키텍처인 ORACOLO을 제시한다.
본 연구는 글로벌 벤치마크와 NS-3로 시뮬레이션된 SDN 트래픽을 결합한 맞춤형 데이터셋을 통해 학습된 하이브리드 CNN-LSTM 딥러닝 모델을 제안하며, 이를 통해 수단의 전자정부 인프라에 대한 사이버 공격 탐지에서 97.8%의 정확도를 달だけで 국가 사이버 보안을 강화하기 위한 확장 가능한 솔루션을 제공한다.
본 연구는 제한된 프로젝트 정보를 바탕으로 초기 단계의 건설 기간을 예측하기 위해 XGBoost 모델을 사용하는 설명 가능한 머신러닝 프레임워크를 제시하며, 해당 모델이 프로젝트 비용을 주요 동인으로 하여 강력한 예측 성능을 달성하는 반면, 그 결과는 데이터 분할에 대한 민감도 때문에 주의 깊은 해석이 필요함을 입증한다.
본 논문은 광자 양자 프로세서의 고유한 확률성을 활용하여 매개변수 효율적인 학생 네트워크를 위한 컨디셔닝 신호를 생성함으로써, 표준 벤치마크 전반에서 공격적인 압축 하에서도 경쟁력 있는 정확도를 달성하는 동시에 샷 노이즈 스케일링과 특징 평활화를 사용하여 유한한 샘플링의 한계를 관리하는 하이브리드 프레임워크인 광자 양자 강화 지식 증류(PQKD)를 소개한다.
이 논문은 많은 윈도우 개수가 거의 동일한 성능 값을 생성한다는 관찰을 활용하여, 전수 조사에 비해 계산 비용을 크게 줄이면서도 최적에 가까운 공급 입도(supply granularity)를 식별하는 ARINC-653 파티션 윈도우 개수에 대한 인증된 선택 방법을 제안한다.
본 논문은 대규모 시뮬레이션 데이터셋과 최적화된 모델 조합을 활용하여 다양한 이동성 조건에서 탁월한 정확도를 달实现함으로써 5G mmWave 네트워크에서의 핸드오버 실패, 무선 링크 실패 및 핑퐁 이벤트를 선제적으로 예측하는 하이브리드 머신러닝 접근 방식인 PACPT-LB 프레임워크를 제안한다.
본 연구는 시각적 유사성과 맥락적 위험 판단을 통합하여 높은 민감도를 유지하면서도 위양성을 줄임으로써, 생의학 출판물의 이미지 중복 탐지 효율성과 정확성을 유의미하게 향상시키는 문맥 인식 AI 보조 스크리닝 시스템을 제시하고 검증한다.
본 논문은 질감이 저하된 장면에서의 3D 가우시안 스플래팅(3D Gaussian Splatting) 재구성을 개선하기 위해 국소적 구조 제약이 포함된 가시성 인지 텍스처 합의(Visibility-Aware Texture Consensus) 방법을 제안하며, 통제된 프로토콜 하에서 통계적으로 유의미한 강건성 향상을 입증하는 동시에 실제 최첨단 성능에서의 한계를 인정한다.