4132 편의 논문
본 논문은 계층적 중간 단계 융합(hierarchical mid-stage fusion)과 이중 경로 백본(dual-path backbone)을 활용하여 특징 불균형과 조명 민감도 문제를 효과적으로 해결함으로써, 복잡한 도시 교통 시나리오에서 작고 가려진 객체에 대한 탐지 성능을 유의미하게 향상시키는 멀티모달 인식 알고리즘인 MEFP-Net을 제안한다.
이 논문은 대규모 유사도 검색 배포를 위한 실질적인 지침을 제공하기 위해 다양한 거리 측정 방식과 양자화 기술에 걸쳐 정확도, 지연 시간 및 메모리 사용량의 트레이드오프를 분석함으로써 다양한 Facebook AI Similarity Search(FAISS) 인덱싱 전략에 대한 종합적인 실험적 평가를 제시한다.
본 논문은 Proxmox VE 상에서 실행되는 Kubernetes–Ceph 하이퍼컨버지드 인프라에서 워크로드 예측과 Ceph 인지적 스토리지 결정을 통합하여 리소스 경합과 I/O 지연을 크게 줄이고, 기본 Kubernetes 스케줄러보다 우수한 부하 분산 및 성능을 달성하는 예측적이고 적응적인 스케줄링 모델을 제안하고 평가한다.
본 논문은 콘텐츠 인기도 예측을 위한 VAE-LSTM 모델과 협력적 캐싱 결정을 최적화하기 위한 다중 에이전트 심층 강화 학습 알고리즘을 결합하여 모바일 엣지 네트워크를 위한 연합 강화 학습 프레임워크를 제안하며, 이를 통해 기존 베이스라인 방법들과 비교하여 지연 시간을 크게 줄이고 캐시 적중률을 향상시킨다.
본 논문은 제한된 감독 하에서 초음파 영상 내 유방 병변의 최첨단 세그멘테이션을 달성하기 위해, Mamba 기반 인코더와 의미론적 디커플링(semantic decoupling), 프로토타입 어텐션(prototype attention), 그리고 경계 정밀화(boundary refinement)를 위한 특화된 모듈을 결합한 새로운 준지도 학습 프레임워크인 DMPB-Net을 제안한다.
본 논문은 소셜 미디어 이미지에 대한 최첨단 위조 탐지 정확도(99.10%)와 해석 가능성을 달성하기 위해 적응형 게이트 융합 메커니즘을 통해 CNN, 비전 트랜스포머(Vision Transformers), 그래프 신경망(Graph Neural Networks)을 통합하는 강건한 삼중 모드 프레임워크를 제안한다.
본 연구는 데이터가 제한적인 과학적 머신러닝에서 모델을 선택하기 위한 원칙적인 3단계 의사결정 프레임워크를 제안하며, 키나아제 억제제 및 용해도 사례 연구를 통해 표본 크기가 작을 때는 단순한 선형 모델이 복잡한 대안들보다 종종 더 우수한 성능을 보인다는 점을 입증함으로써 모델의 단순성을 중요한 기준으로 옹호한다.
본 연구는 에너지 트렌드를 예측하고 이상치를 식별하기 위해 개별 가구 전력 소비 데이터셋에 대한 다양한 머신러닝 회귀 모델을 평가하며, 랜덤 포레스트가 다른 알고리즘보다 우수한 성능을 보이고 SHAP 분석을 통해 Global_intensity가 지배적인 예측 요인임을 밝혀냈다.
본 논문은 동적인 환경에서 필요한 부분에 대해서만 위상 구조를 복구함으로써 기존 베이스라인 대비 현저히 빠른 재계획 속도와 최적에 가까운 경로 품질을 달성하며, 효율적이고 분산된 다중 로봇 내비게이션을 가능하게 하기 위해 중축 스켈레톤 그래프(medial-axis skeleton graph)를 개미 군집 페로몬장(ant-colony pheromone field) 및 국소적 점진적 재스켈레톤화(Localized Incremental Re-skeletonization, LIR) 알고리즘과 통합한 스티그머지 스켈레톤 필드(Stigmergic Skeleton Field, SSF) 프레임워크를 제안한다.
본 논문은 초거대 규모의 병렬 HPC 애플리케이션을 위해 확장 가능하고 자동화된 성능 진단 및 병목 현상 식별을 가능하게 하는 랭크 프로파일 행렬(rank-profile matrices) 구축과 프로세스 클러스터링을 수행하는 LLM 지원 프레임워크인 Semperf를 제시한다.