974 편의 논문
본 논문은 LitePT 백본을 기반으로 구축되어 국부적인 기하학적 복잡성에 따라 동적으로 조절되는 경량 적응형 수용 영역 네트워크인 LAR-Net을 제안하며, 이를 통해 반응기 내벽의 의약품 침착물에 대한 고정밀 포인트 클라우드 분할을 달성함으로써 기존 검사 방식의 한계를 극복하고 자동화된 지능형 세척을 가능하게 한다.
이 논문은 ECAC 벤치마크와 새로운 보상 조건부 하이브리드 학습 프레임워크(RSRS)를 활용하여 복잡한 교실 장면과 교육용 장난감에 대해 교육적으로 의미 있는 캡션을 생성하는 정확도를 크게 향상시킨 유아 교육 특화 멀티미디어 캡셔닝 시스템인 KinderMM-Cap을 소개한다.
본 논문은 타밀나두 농촌 지역의 의료 보험 분야에 맞춤화된 개인정보 보호 연합 학습 프레임워크인 TW-DP-FedAvg를 제안하고 엄격하게 평가하며, 차분 프라이버시가 중앙 집중식 학습에 비해 측정 가능한 정확도 비용을 발생시키지만, 해당 접근 방식이 인도의 새로운 데이터 보호 규정 하에서 통계적으로 동등하며 실행 가능하다는 것을 입증한다.
이 논문은 공간적 해양 관리를 위한 새로운 모선 및 다중 드론 경로 결정 문제를 도입하며, 정확한 해법(exact methods)에 비해 계산 시간을 크게 단축하면서도 최적해에 근접한 결과를 달나오는 메타휴리스틱 솔루션을 제안함으로써 산호초 복원과 같은 응용 분야를 위한 실질적 규모의 조율을 가능하게 한다.
이 논문은 훈련 통계에 기반하여 PPO 하이퍼파라미터를 온라인으로 동적으로 조정하는 경량 메타 제어 프레임워크인 Meta-PPO를 소개하며, 표준 PPO와 비교하여 여러 연속 제어 벤치마크에서 향상된 성능, 효율성 및 강건성을 입증한다.
본 논문은 원시 정확도보다는 인간 중심의 의사결정 비용을 최적화함으로써 실제 생리적 이상과 스마트 텍스타일 센서의 성능 저하 및 아티팩트를 구분하고, 합성 시뮬레이터를 활용하여 훈련하며 최소한의 계산량으로 높은 신뢰성을 달성하는 설명 가능한 절약형 AI 프레임워크인 HCLM-SmartTex를 제시한다.
이 논문은 제어된 LLM 후보 생성, 순위 인지적 의미론적 스코어링, 이중 인기도 모델링, 그리고 MLP 기반 퓨전을 결합하여 최신 베이스라인 대비 유의미한 성능 향상을 달면서 추천 시스템의 데이터 희소성과 의미론적 격차를 효과적으로 해결하는 새로운 학습 불필요 프레임워크인 HPG-Rec을 소개한다.
본 연구는 복잡한 콘크리트 타설 무선 로그를 7개의 의미론적 축으로 분류하여 위험 신호, 제어 동작 및 상황 상태를 도출하는 2계층 온톨로지 기반 프레임워크를 제안하며, 규칙 기반 추출에서 높은 일치율을 입증하는 동시에 향후 검증을 위한 로컬 LLM 접근 방식의 한계를 식별한다.
본 논문은 문자 빈도를 압축된 유클리드 공간으로 인코딩함으로써 마이크로 텍스트의 언어 식별을 위한 초경량 기하학적 방법을 소개하며, 이는 전통적인 베이스라인 모델과 비교하여 데이터 희소성 및 역사적 변이에 대해 우수한 강건성을 입증하는 동시에 에지 컴퓨팅을 위한 상당한 계산 효율성을 제공한다.
본 논문은 모순 인지 및 루프 설계형 AI 에이전트 기술이 고위험 의사결정 단계의 유학 전략을 생성하는 데 있어 기존의 웹 검색을 엄격히 능가하며, 베이스라인의 0% 타당도 및 파편화된 결과와 대조되는 100%의 타당도와 포괄적인 출력 범위를 달성함을 입증한다.