4157 편의 논문
본 연구는 설명 가능한 머신러닝을 사용하여 항목 수준의 안전 문화 데이터를 분석함으로써 경영진의 대응성, 교육, 그리고 경험에 의해 유발되는 비선형적이고 임계값 의존적인 행동 위험 패턴을 밝혀냈으며, 이는 전통적인 선형 집계 모델에 이의를 제기하고 선제적 사고 예방을 위한 더욱 정밀한 근거를 제공한다.
본 논문은 커널 프리 비선형 분류에서의 과적합 및 해석 가능성 문제를 해결하기 위해 희소 정규화된 이차 곡면 서포트 벡터 머신(QSVM)을 제안하며, 벤치마크 및 실제 신용 데이터셋 모두에서 경쟁력 있는 성능과 희소성을 입증하는 최적성 및 수렴 보장이 가능한 페널티 분해 알고리즘을 도입한다.
본 논문은 청각 중심적인 기존 솔루션의 한계를 밝히는 PRISMA 기반의 체계적 문헌 고찰을 제시하며, 실시간 시각적 지원을 가능하게 하고 교실 내 의미 있는 포용을 달aft하기 위해 음성 인식, 자연어 처리 및 수어 생성을 통합하는 AI 기반 멀티모달 커뮤니케이션 프레임워크를 제안한다.
이 논문은 표준 스캐폴드 기반 평가 방법이 화학적으로 이질적인 "노-스캐폴드(no-scaffold)" 분자들을 단일 단위로 잘못 취급함으로써 숨겨진 할당 편향을 유발하고 공통 벤치마크 전반의 일반화 지표를 왜곡한다는 점을 밝히며, 균형 잡힌 표현과 정확한 성능 평가를 복구하기 위한 "엠티-스캐폴드-어웨어(Empty-Scaffold-Aware)" 수정을 제안한다.
본 논문은 부분 관측 가능성 및 통신 제약 조건 하에서 UAV 군집의 협업, 충돌 회피 및 연결성 유지를 강화하기 위해 그래프 이론 기반의 토폴로지 제어와 QAOA에서 영감을 얻은 최적화 모듈을 다중 에이전트 강화 학습에 통합한 연결성 인지 프레임워크인 C3Q-MARL을 소개한다.
본 연구는 BCCD 데이터셋에 대한 YOLOv11 및 YOLOv12 변형 모델의 첫 번째 스케일별 벤치마크를 제시하며, 두 모델의 전반적인 평균 성능은 거의 동일하지만, 지연 시간에 민가한 애플리케이션을 위한 나노 스케일에서는 YOLOv12가 뛰어나고 미디엄 및 라지 스케일에서는 YOLOv11이 이를 능가한다는 점을 밝힘으로써, 모델 선택이 일률적인 우월성 가정보다는 특정 스케일 및 재현율 요구 사항에 의해 결정되어야 함을 나타낸다.
이 논문은 BraTS 2020 데이터셋에 대한 다중 모달 뇌종양 분할에서 최첨단 성능과 실시간 추론 속도를 달성하는 경량 잔차 경계 정제 모듈을 특징으로 하는 MONAI 기반 3D U-Net 아키텍처인 RLHOARNet을 소개한다.
FedHyperM은 하이퍼그래프 기반 예측과 모달리티 민감형 집계를 채택하여 모달리티 이질성 문제를 해결함으로써 기존 베이스라인보다 정확도와 F1 점수 측면에서 성능을 크게 향상시킨 엣지 디바이스를 위한 프라이버시 보호 연합 학습 프레임워크이다.
본 논문은 변수 퍼지 집합을 활용하여 지능형 지속 위협(APT) 공격과 방어의 내재적인 불확실성과 복잡성을 해결함으로써 APT 공격 및 방어의 효과를 정량적으로 평가하는 APT-VFSEA 모델을 제안하며, 실험적 검증을 통해 실제 시나리오에 대한 모델의 정확성을 입증하였다.
본 연구는 폐기능 지표를 기반으로 한 MICE 알고리즘 파라미터의 적응형 선택 방법을 제안하며, 이 전략이 다양한 결측률을 가진 COPD 데이터셋에서 다변량 상관관계를 효과적으로 포착하고 안정적인 예측 성능을 유지함으로써 PCHIP 보간법보다 우수함을 입증한다.