4157 편의 논문
본 논문은 알려진 범주에 대한 과잉 확신을 방지하기 위한 비대칭 정류 메커니즘과 객체성 추정을 개선하기 위한 프로토타입 유도 전경 모델링을 채택함으로써, 알려진 범주의 안정적인 성능을 유지하면서도 우수한 정밀도와 F1 점수를 달성하며 미지의 객체 탐지를 향상시키는 2-경로 탐지 프레임워크인 CAFR를 제안한다.
본 논문은 안전이 필수적인 개방형 아키텍처 오토파일럿을 위해 불확실성을 고려한 예측을 위한 삼중 조건부 CVAE를 위험 인식 MPC 및 제어 장벽 함수(CBF) 안전 필터링과 통합하고, 이 모든 것을 이질적 삼중 중복 아키텍처 내에서 조율함으로써 안전하고 적응적인 차량 내비게이션을 보장하는 학습 기반 자율 주행 프레임워크를 제안한다.
본 논문은 청구항 구조 분석을 활용하여 시스템 수준과 세부 수준의 의미를 각각 인코딩한 후, 이를 상관관계 보정 기능이 있는 게이트 메커니즘을 통해 융합함으로써 기존의 전체 텍스트 베이스라인보다 특허 매칭 정확도를 크게 향상시키는 듀얼 채널 특허 벡터화 방법을 제안한다.
본 논문은 효과적인 웨어러블 시스템이 환경적 미묘함을 보존하고, 학생의 주의 산만을 최소화하며, 자동화된 진단 도구가 아닌 인간의 의미 파악을 위한 촉매제 역할을 해야 함을 강조하며, 교실 맥락 내에서 ADHD 관련 행동을 해석하는 데 있어 임상의와 교육자를 지원하기 위해 스마트워치 센싱과 모바일 인터페이스를 결합한 기술 프로브인 MotionMonitor을 제시한다.
본 논문은 점착 트랩 위의 희귀 해충 종에 대해 어노테이션 일관성이 있는 합성 이미지를 생성하는 도메인 특화 확산 기반 데이터 증강 프레임워크를 제안하며, 이는 추가적인 수동 레이블링 없이도 데이터 부족 문제를 효과적으로 해결하고 여러 아키텍처 전반에 걸쳐 인스턴스 분할 성능을 유의미하게 향상시킨다.
2020년부터 2025년까지 401개 문헌에 대한 계량서지학적 분석을 통해, 본 연구는 AI 기반의 정동(affective) 및 감정(emotion) 연구가 2023년에 상당한 성장 변곡점을 맞이하며 하나의 일관된 생태계로 성숙했음을 밝히는 동시에, 두 개념이 서로 다른 지향점을 보이고 있음—즉, '정동' 연구는 교육적 실천에, '감정' 연구는 기술적 발전에 초점을 맞추고 있음—을 드러내며, 이에 따라 학제 간 협업을 안내하기 위한 이중 지식 생산 모델(Dual Knowledge Production Model)을 제안한다.
이 논문은 노이즈가 있고 데이터가 부족한 시나리오에서 최신 방법론들을 능가하기 위해 커뮤니티 유도형 레이블 정제와 엣지 프루닝(edge pruning) 및 점진적 대조 학습 기법을 통합하여 레이블 노이즈를 완화하는 강건한 그래프 신경망 프레임워크인 CG-GNN을 제안한다.
본 연구는 개입 비용, 인과적 타당성 및 하방 위험을 고려하지 않고 SHAP 기반의 특성 중요도 점수를 직접적인 경영 조치로 변환하는 것이 심각한 책임성 위험을 초래한다는 것을 입증하며, 이는 설명 가능성 그 자체만으로는 책임 있는 AI 기반 의사결정을 위해 불충분하다는 점을 드러낸다.
이 서베이는 위협을 가중치 포이즈닝(weight poisoning)과 컨텍스트 포이즈닝(context poisoning)으로 분류하는 포괄적인 분류 체계를 제안함으로써 대규모 언어 모델 시대의 포이즈닝 공격과 방어 기법을 체계적으로 검토하고, 대표적인 기술과 방어 전략을 분석하며, 컴파운드 AI 시스템을 보호하기 위한 향후 연구 방향을 제시한다.
FedDAAW는 그래디언트 공유나 보조 데이터 없이도 비독립 동일 분포(non-IID) 환경에서 다양한 작업(분류, 감성 분석 및 회귀)에 걸쳐 수렴 효율성과 성능을 크게 향상시키기 위해 동적 클라이언트 선택 및 정확도 적응형 집합을 채택한 이종 연합 학습을 위한 경량의 프라이버시 보호 프레임워크입니다.