4153 편의 논문
이 논문은 실시간 유체 렌더링을 위한 NVIDIA RTX 뉴럴 셰이더의 타당성을 평가하며, 신경망이 높은 프레임 레이트에서 픽셀 수준의 BSDF를 성공적으로 근사화하는 반면, 현재는 상당한 프레임워크의 한계로 인해 버텍스 변위 작업에 효과적으로 배치하는 데 어려움이 있음을 입증한다.
본 연구는 프로그래밍 학습에서의 조기 성공 예측을 위해 부분적 정답성(partial-correctness) 및 진행 상황 인지(progress-aware) 정식화 방안을 제안하고 검증하며, 이것이 학습자의 발달 과정을 더욱 효과적으로 포착하고 맞춤형 교육 지원을 가능하게 함으로써 기존의 이진 및 순서형 방식보다 성능이 유의미하게 우수함을 입증한다.
122개의 연구(2015~2025)를 대상으로 한 이 체계적 문헌 고찰은, 앙상블 및 하이브리드 접근 방식이 비파괴 센싱 기술과 결합되었을 때 머신러닝 모델이 공급망 전반에 걸쳐 품질 평가와 손실 감소를 개선함으로써 부패하기 쉬운 과일의 수확 후 관리를 유의미하게 향촉한다는 것을 입증하는 동시에, 현재의 배포 과제를 극복하기 위해 표준화된 데이터셋과 실질적인 검증이 필요함을 강조한다.
이 논문은 내부 검증 분할(internal validation splits)에 대한 포트폴리오를 평가함으로써 최적의 클래스 균형 서브셋 선택기를 선정하는 방법인 검증 정렬 코어셋 선택(Validation-Aligned Coreset Selection, VACS)을 소개하며, 반복적인 검증이 극단적인 예산 제약 조건 하에서 퓨샷 분류 정확도를 유의미하게 향か시킬 수 있음을 입증하는 동시에, 이것이 최상의 정적 선택 규칙들을 보편적으로 능가하지는 못한다는 점을 보여준다.
본 논문은 인스턴스 수준의 후보 생성을 위한 YOLO11s-seg와 하드 네거티브 및 폐쇄(occlusion) 인지 분류를 위한 YOLOv8n-cls를 활용하여, 복잡한 오일팜 농장 환경에서 높은 수확 결정 정확도와 제로 오수확율을 달성하는 경량화된 2단계 프레임워크를 제안한다.
본 논문은 멜라노마 분류 정확도와 해석 가능성을 이미지 전용 딥러닝 방식보다 향상시키기 위해, 딥러닝 기반의 더마스코피 속성 추정과 자동 추출된 임상 규칙을 통합한 뉴로-심볼릭 퍼지 규칙 기반 프레임워크를 제안한다.
본 연구는 논문 출판 시점의 참고문헌 목록의 구조적 특성, 즉 자기 인용률, 인용 연도의 분포, 그리고 인용 문헌의 최신성을 분석하는 것이 사후적인 철회 증거가 나타나기 전에도 미래의 철회 위험을 조기에 탐지하는 능력을 유의미하게 향상할 수 있음을 입증한다.
본 논문은 대규모 데이터셋을 활용하여 원격 근무자의 성과를 정확하고 견고하며 공정하게 예측하기 위해 어텐션 기반 딥러닝과 SHAP 값을 활용하는 설명 가능한 TabNet 프레임워크를 제 제안하며, 이는 투명하고 형평성 있는 인적 자원 의사결정을 보장하는 동시에 기존의 베이스라인 모델들을 능가한다.
이 연구는 고급 대규모 언어 모델, 구체적으로 BioClinicalBERT와 BioGPT가 소셜 미디어 및 약물 리뷰 데이터셋에서 이상 사례의 원인이 되는 약물을 자동으로 식별하는 데 있어 높은 정확도(F1 점수 및 정확도 98%)를 달 nhận 함을 입증하며, 이는 약물 안전 모니터링을 위한 유망한 실시간 솔루션을 제공한다.
본 논문은 자율 다중 로봇 시스템의 윤리적, 투명하며 확장 가능한 조율을 강화하기 위해 S3 원칙과 ROS 2 아키텍처를 통합한 분산형 동의 기반 소시오크라시 3.0 거버넌스 프레임워크를 제안하며, DROID 100 데이터셋에 대한 평가를 통해 갈등 감소, 디버깅 가능성 및 동의 성공률의 유의미한 향상을 입증한다.