4142 편의 논문
이 논문은 숙고 할당(deliberation allocation)에 있어 인간과 대규모 추론 모델(LRM) 사이의 결정적인 괴리를 밝히는데, 즉 두 집단 모두 전반적으로 어려운 문제에 더 많은 시간을 소비한다는 점은 유사하지만, 인간은 결국 틀린 문항에 대해서는 시간을 덜 투자하는 반면(어려운 과업을 포기함), LRM은 역설적으로 실패한 문제에서 더 긴 추론 흔적을 생성한다는 점(불확실성 속에서도 지속함)은 표면적인 유사성에도 불구하고 정지 및 제어 정책에서의 근본적인 차이를 부각한다.
본 연구는 AI 기반 네트워크 시스템에서 98.3%의 탐지 정확도와 100%의 서비스 거부(DoS) 공격 방지 능력을 달성하기 위해 합성곱 신경망(CNN) 모델을 활용하는 블록체인 통합 사이버 보안 프레임워크를 제안한다.
이 연구는 AI 보조 프롬프팅이 디지털 드로잉의 시각적 복잡성과 행동적 참여를 향상시킨다는 점을 입증하는 동시에, 머신러닝 모델이 이러한 드로잉 특징들을 바탕으로 세밀한 감정보다는 광범위한 정서적 범주를 더 잘 예측할 수 있음을 밝혀낸다.
DIT는 도메인 신원을 DNSSEC으로 검증된 ML-DSA-65 키에 앵커링하고 머클 투명성 로그를 활용한 하이브리드 X25519MLKEM768 핸드셰이크를 사용하여, 중앙 집중식 인증 기관 없이도 효율적이고 철회 가능한 신뢰를 제공하며 전통적인 CA 계층 구조를 제거하는 탈중앙화된 양자 내성 인증 프로토콜입니다.
본 논문은 복잡한 동적 장면에서 강건한 다중 객체 추적을 위해 상태-오차를 정량화하고 모션, 외관, 카테고리 메모리를 동적으로 융합하는 확률론적 맘바(probabilistic Mamba)를 활용하여 불확실성 가이드 기반의 트리플 메모리 융합 프레임워크를 제안하며, 이를 통해 최첨단 성능을 달성한다.
본 논문은 치환, 확산 및 XOR 기반 스크램블링을 수행하기 위해 로지스틱 맵과 결합된 3차 분수 변환 생성 S-박스를 이용한 그레이스케일 이미지 암호화 기법을 제안하며, 종합적인 통계 및 키 민감도 분석을 통해 강력한 보안성을 입증한다.
본 연구는 감사 준비가 된 방어 가능한 품질 거버넌스 의사결정을 보장하기 위해 예측 모델링을 설명 가능성, 공정성, 교정, 드리프트 모니터링 및 규제 추적성과 통합하는 제약 제조를 위한 포괄적인 AI 프레임워크를 제안한다.
본 연구는 경량화된 YOLO11n 딥러닝 모델이 밀집된 객체 이미지로부터 건조 해삼의 가공 방식(염장, 훈연, 로스팅)을 자동으로 분류하는 데 있어 완벽에 가까운 정확도를 달 수 있음을 입증하며, 이는 품질 등급 판정을 위한 주관적인 수동 검사를 대체할 수 있는 강력하고 비파괴적인 대안을 제공한다.
본 논문은 희소한 이상 샘플과 이질적인 결함 형태와 같은 과제를 극복함으로써 의료 및 산업 분야의 통합 이상 탐지에서 최첨단 성능을 달성하기 위해 도메인 특화 시맨틱, 구조적 사전 지식 및 적응형 특징 선택을 결합한 시맨틱 가이드 기반 다중 스케일 듀얼 티처 증류 네트워크인 SGMS-DTDNet을 제안한다.
이 연구는 부분 미세 조정(partial fine-tuning) 및 BitFit와 같은 매개변수 효율적 미세 조정(PEFT) 전략이 심전도 파운데이션 모델에서 일반화 능력을 유의미하게 향상시키고 과적합을 줄임으로써, 특히 도메인 외 데이터 및 자원이 제한된 시나리오에서 전체 미세 조정(full fine-tuning)보다 우수한 성능을 보임을 입증한다.