929 편의 논문
본 연구는 정렬된 대규모 언어 모델이 명시적인 인종적 편향은 없더라도 민족적 단서가 포함된 사용자 이름에 반응하여 10가지의 새롭고 고도로 구조화된 정체성 반응적 행동을 보인다는 점을 밝히기 위해 "기계 심리학(Machine Psychology)"이라는 프레임워크를 도입하며, 이는 기본적인 위해 완화를 넘어 포괄적인 행동 평가로의 전환을 필요로 한다.
본 연구는 다차원 분석을 위한 다섯 가지 오픈 소스 어휘-문법 태깅 시스템을 체계적으로 평가하며, 이들 시스템이 일반적인 레지스터 구분을 성공적으로 재현하고 있음에도 불구하고, 결과적인 차원 점수의 상당한 차이는 근저에 있는 NLP 파이프라인의 차이가 아니라 일관되지 않은 특징의 조작화로 인해 발생한다는 점을 밝혀낸다.
본 논문은 추적된 궤적을 구조화된 움직임 증거로 변환하고 이를 시각-언어 모델 내의 키 프레임 모자이크와 결합하여 해석 가능한 행동 레이블, 긴급도 추정치 및 자연어 근거를 생성함으로써 비전 전용 대(對)UAV 시스템을 향상시키는 4계층 프레임워크를 제안하며, 구조화된 궤적 데이터가 정확한 UAV 행동 분석의 주요 동인임을 입증한다.
본 논문은 고속도로 톨링의 게이트 데이터 문제를 해결하기 위해 '최소 통행료' 원칙과 다차원 이상 탐지 엔진을 결합한 2단계 경로 적합 프레임워크를 제안하며, 이를 통해 결과의 신뢰성을 보장하기 위한 새로운 이중 지표 평가 모델을 도입함으로써 2.1%의 정확도 향상과 70%의 과금 편차 감소를 달성하였다.
이 논문은 키르히호프 기반의 캐스케이드 구성을 사용하여 안정적이고 해석 가능한 고차 신경 역학을 생성함으로써, 편미분 방정식 해결 및 시각적 인지 작업 성능을 향상시키는 동시에 전통적인 깊이 적층 방식보다 뛰어난 성능을 보이는 회로에서 영감을 받은 모듈형 프레임워크인 CHONN을 소개한다.
본 논문은 시뮬레이션과 실제 사이의 간극을 메우고 임상 적용을 위한 신뢰할 수 있고 일반화 가능하며 데이터 효율적인 뇌혈관 혈역학적 프로파일링을 가능하게 하기 위해, 하이브리드 데이터셋과 나비에-스토크스(Navier-Stokes)가 내장된 신경망 구조를 활용하는 물리 기반 AI 프레임워크인 4DHemoX를 소개한다.
25개의 연구를 대상으로 한 이 체계적 문헌고찰은 사용자 중심 설계의 결정적인 중요성에도 불구하고, 응급실 분류를 위한 머신러닝 기반 임상 의사결정 지원 시스템이 포괄적인 인터페이스 기능, 사용성 테스트 및 학제 간 협업이 부족한 경우가 빈번하며, 이로 인해 실제 현장에서의 도입과 효과가 저해되고 있음을 밝히고 있다.
본 논문은 대규모 무선 센서 네트워크에서 안정적이고 에너지 효율적이며 부하가 균형 잡힌 통신을 달alam하기 위해 그래프 신경망, 잔류 에너지 경사 주의 집중(Residual Energy Gradient Attention), 심층 강화 학습, 그리고 에너지 적응형 파트리지 최적화 알고리즘을 통합한 새로운 프레임워크인 REGAL 기반 계층적 그래프 강화 학습 네트워크(HGRN)를 제안하며, 이는 기존의 클러스터링 방식들과 비교하여 네트워크 수명, 에너지 보존 및 패킷 전달 측면에서 우수한 성능을 입증한다.
이 논문은 지식 그래프 RAG 시스템에서 3단계 포이즈닝 공격의 폭발 반경을 공식화하고 경험적으로 정량화하며, 허브 포이즈닝이 가장 심각한 오염 전파를 일으킨다는 것을 입증하고, 이러한 위험을 완화하기 위해 차수 가중 신뢰 점수 기반의 그래프 인식 방어 기법을 제안한다.
본 논문은 UNSW-NB15 데이터셋에 대해 Fast Gradient Sign Method(FGSM)를 이용한 적대적 학습을 통해 강화된 하이브리드 LightGBM-MLP 침입 탐지 시스템을 제안하며, 강력한 섭동(perturbations) 하에서도 77.80%의 정확도를 유지함으로써 깨끗한 데이터에 대한 성능 저하를 단 6.66%로 최소화하면서 회피 공격에 대한 강건성을 성공적으로 개선하였다.