4157 편의 논문
이 논문은 배경 노이즈를 줄이기 위한 어텐션 기반 적응형 다중 스케일 샘플링과 상호 의미론적 상관관계를 모델링하기 위한 영역-설명 이분 그래프 상의 양방향 반복 전파를 채택함으로써 제로샷 시각-언어 분류를 향상시키는 학습 불필요 방식인 Attention-guided Local Dynamic Alignment (ALDA)를 제안하며, 이를 통해 다양한 벤치마크에서 상당한 정확도 향상을 달성한다.
이 논문은 재식별 메커니즘과 U-Net 기반 공분산 어텐션 판별자를 통합하여 전역 및 픽셀 수준의 피드백을 모두 제공함으로써 단일 이미지 초해상도 결과의 주관적 시각적 품질을 크게 향상시키는 2차 어텐션 생성적 적대 신경망인 SOAGAN을 제안한다.
이 논문은 RBC 도말 영상에 대한 DenseNet121 기반 분석과 CBC 데이터 처리를 위한 스택 앙상블 모델을 결합함으로써 빈혈 탐지 및 중증도 분류에서 높은 정확도를 달성하는 하이브리드 딥러닝 프레임워크를 제안한다.
인도 공학도와 교수진을 대상으로 한 이 양적 연구는, 산업 현장 대비 역량을 강화하기 위해 챗GPT(ChatGPT)와 같은 생성형 AI 도구의 채택이 증가하고 있는 반면, 학생들은 교수진에 비해 사용하는 도구의 범위가 더 제한적이고 만족도 또한 더 낮게 보고하고 있다는 점을 밝히며, 고등 교육에서 AI 리터러시 향상과 개인 맞춤형 학습 전략의 절실한 필요성을 강조한다.
본 논문은 최근 35개의 연구를 종합하여 6개의 핵심 구성 요소로 이루어진 포괄적인 참조 프레임워크를 구축함으로써, 더욱 체계적이고 투명하며 재현 가능한 평가를 가능하게 함으로써 LLM 기반 코드 생성에 관한 실증적 연구의 파편화와 비교 가능성 결여 문제를 다룬다.
본 논문은 전이 학습, CNN, 그리고 어텐션 메커니즘을 통합하여 기존 감정 탐지 시스템의 한계를 극복하고, 실제 인간-컴퓨터 상호작용 응용 분야를 위한 우수한 정확도, 강건성 및 교차 도메인 적응성을 달성하는 하이브리드 딥러닝 프레임워크를 제안한다.
이 논문은 CTPA 혈전 분할을 위한 맞춤형 Mask R-CNN, ICU 시계열 분석을 위한 하이브리드 LSTM-GRU 모델, 그리고 임상적 위험 평가를 위한 인공 신경망을 통합하여 폐색전증 진단 및 환자 위험 예측을 개선함으로써 0.88의 Dice Score와 91.81%의 전체 정확도를 달성하는 멀티모달 AI 프레임워크를 제안한다.
이 논문은 질문의 복잡성에 따라 검색 깊이와 문서의 세밀도를 동적으로 조정하고, 추론 성능을 향상시키고 환각 현상을 줄이기 위해 불확실성 유도 재검색을 채택하여 HotpotQA 및 WikiHow 벤치마크에서 상당한 개선을 달면한 UAMG-RAG 프레임워크를 제안한다.
본 논문은 객관적 속성 가중치, 균형 잡힌 거리 측정, 그리고 적응형 임계값 설정을 위한 내부 피드백 루프를 활용하여 기존의 한계를 극복함으로써 분류 성능과 강건성을 향상시키기 위해 대칭적 직관적 퍼지 TOPSIS와 자기 상호작용적 순차적 3원 결정론을 통합한 데이터 기반의 손실 함수가 없는 이진 분류기를 제안한다.
본 연구는 멜-스펙트로그램 기반 합성곱 신경망을 사용하는 예비 딥러닝 프레임워크를 제시하며, 방송에서 추출한 소규모 데이터셋을 통해 마크아티리(Maxaatiri)와 마이 소말리어(Maay Somali) 방언을 자동으로 구별하여 약 81%의 정확도를 달성하는 동시에 일반성을 보장하기 위한 더 크고 다양한 데이터의 필요성을 강조한다.