4030 편의 논문
본 논문은 통계적으로 검증된 밀도 인식형 하이브리드 프레임워크를 제안하며, 이는 XGBoost와 비지도 이상 점수 산출 방식을 결합하여 악성 DNS-over-HTTPS 터널링을 견고하게 탐지하고, 베이스라인 대비 재현율 향상 및 미탐지율 감소를 입증하는 동시에 딥 생성 구성 요소가 추가적인 이점을 제공하지 않음을 확인한다.
이 논문은 MNIST와 CIFAR-10에 대한 실제 실험을 통해 선형 복잡도의 다중 키 집계와 상당한 성능 향상을 달성한, IoT 환경에서의 개인정보 보호를 위한 적응형 자원 인식형 MK-CKKS 프레임워크를 제시하며, 독립 키 구성 및 물리적 하드웨어 검증은 향후 과제로 투명하게 인정한다.
본 논문은 예측 엔트로피와 특징 공간 신규성 점수 간의 순위 일치도를 모니터링함으로써 모델 재보정(recalibration)에 대한 증명 가능한 불변성을 달성하고, 기존의 신뢰도 기반 모니터링 도구들을 괴롭히는 거짓 양성을 피하는 동시에 실제 분포 변화에 대한 민감도를 유지하는 시각적 인식 시스템을 위한 레이블 프리 드리프트 탐지 방법인 -Guard를 소개한다.
이 논문은 과도한 대칭성이 중요한 위상 정보를 버리는 기하학적 학습에서의 "과잉 불변성(over-invariance)" 실패를 식별 및 정량화하고, 표준적인 크기 전용 모델에 비해 위상 채널을 효과적으로 복원하고 진단적 평탄성(diagnostic flatness)을 개선하는 표적 수리 메커니즘으로서 투영적 특성 풀링(Projective Character Pooling, PCP)을 제안하며, 다만 이는 궤도 평균화(orbit averaging)의 보편적 대체재라기보다는 범위가 제한된 해결책으로 남는다.
본 논문은 이질적인 분산 및 연합 학습 시스템 전반에서 스트래글러를 완화하고, 에너지 소비를 줄이며, 학습 효율성을 향상시키기 위해 실시간 훈련 시간 및 에너지 지표를 기반으로 샘플 예산을 동적으로 재할당하는 측정 기반 적응형 데이터 파티셔닝 컨트롤러를 제안한다.
FGD-Det은 이종 듀얼 스트림 백본과 주파수 유도 디커플링 정렬(Frequency-Guided Decoupled Alignment)을 특징으로 하는 단계별 융합 전략을 통해 정보 밀도 불균형과 공간적 미정렬 문제를 해결함으로써, 계산 비용을 크게 줄이면서도 LLVIP 및 FLIR 벤치마크에서 최첨단 성능을 달성하는 효율적인 비대칭 다중 스펙트럼 객체 탐지 프레임워크입니다.
이 논문은 미세한 시각적 차이, 복잡한 배경, 제한된 데이터 가용성과 같은 과제들을 효과적으로 해결함으로써 콩 잎 질병의 매우 정확하고 강건한 인식을 달성하기 위해 합성곱 신경망, 피라미드 분할 어텐션(pyramid split attention), 그리고 관계 네트워크를 통합한 딥러닝 프레임워크인 PR-CNN을 제안한다.
본 논문은 고차원 데이터셋에서 우수한 분류 정확도를 달성하고 계산 시간을 크게 단축하기 위해 가중치 다중 커널 학습과 샘플 최적화를 통합한 새로운 올인원 다중 클래스 SVM 프레임워크인 AIO-MSVM-WMK를 제안한다.
PredictStroke는 장기적인 뇌졸중 위험 예측을 위한 앙상블 머신러닝 모델과 급성 증상 분류를 위한 실시간 시각 및 음성 기반 분류기를 통합한 모듈형 2단계 시스템으로, 위험 평가에서의 높은 성능을 입증하는 동시에 실시간 점수가 더 낮음에도 불구하고 독립적인 급성 탐지 모듈의 타당성을 검증한다.
이 논문은 데이터 역할 할당과 파이프라인 선택을 개입으로 모델링하여 모델 유도 간섭을 고려하고 공정성, 누수 및 일반화에 대한 더 강력한 진단을 가능하게 함으로써 머신러닝 평가 지표를 엄격하게 분석하는 인과적 프레임워크인 "훈련으로서의 처치(Training as Treatment)"를 소개한다.