929 편의 논문
본 논문은 기하학적 가변성과 클래스 불균형을 극복하기 위해 결정론적 SVD 기반 정규 정렬(canonical alignment)과 가중치 교차 엔트로피 손실을 활용하여, 실시간 산업 검사를 위한 정확도 향상 및 추론 지연 시간 단축을 달축한 3D 포인트 클라우드 기반의 자율 결함 식별을 위한 향상된 PointNet 기반 프레임워크를 제안한다.
본 논문은 대기 난류 역학과 카오스 맵에 의해 강화된 새로운 메타휴리스틱인 CI-CDO(Chaotic Improved Cloud Drift Optimization) 알고리즘을 제안하며, 이는 벤치마크 최적화 문제 해결, 분류를 위한 최적의 특징 부분 집합 선택, 그리고 실제 환경 데이터 예측에서 탁월한 성능을 입증한다.
본 논문은 생체 의학 영상에서 해부학적 구조를 획득 의존적 변이로부터 분리하기 위한 메타데이터 감독 접근법을 제안하며, 이를 통해 다양한 영상 프로토콜과 기관 전반에 걸쳐 일반화, 해석 가능성 및 임상 배포를 개선하는 획득 인지형 표현과 통합된 조화 모델의 생성을 가능하게 한다.
본 연구는 해석 가능한 앙상블 머신러닝 프레임워크, 구체적으로는 Extra Trees 회귀를 활용하여 공정 변수를 기반으로 TiO₂–PVP 전기방사 나노섬유의 직경을 정확하게 예측할 수 있음을 입증하며, 이를 통해 기존의 시간이 많이 소요되는 실험적 최적화 방법을 대체할 수 있는 매우 효율적이고 정밀한 대안을 제시한다.
본 논문은 새로운 다중 스케일 특징 강화 블록과 구조적 채널 프루닝을 활용하여 TrashNet 데이터셋에서 높은 정확도와 효율적인 폐기물 객체 탐지를 달성함으로써, 낮은 계산 복잡도를 유지하면서도 YOLOv5n, YOLOv8n, YOLOv11n과 같은 최신 모델들을 능가하는 91.91%의 mAP50을 달성하는 경량 다중 스케일 특징 융합 네트워크인 MSF-TrashDet을 제안한다.
본 논문은 임의의 이진 파일에 대해 보안성, 효율성 및 형식 독립적 보호를 제공하기 위해 유니모듈러 힐 암호(Unimodular Hill Cipher)와 카오틱 로지스틱 맵 기반의 XOR 스트림 암호를 결합한 확장 가능한 하이브리드 암호화 프레임워크를 제안하며, 이를 통해 이상적인 수준의 무작위성, 강력한 통계적 공격 저항성, 그리고 높은 처리량을 갖춘 무손실 복구를 달성한다.
본 논문은 임의의 이진 파일에 대해 보안성, 무손실성 및 크기 보존 암호화를 달성하기 위해 동적으로 생성된 유니모듈러 힐 암호(Hill Cipher), 로지스틱 맵(Logistic Map) 기반 키 유도, 그리고 타원 곡선 암호(Elliptic Curve Cryptography)를 통합한 통합 프레임워크인 하이브리드 분할 기반 카오스 암호 체계(HSBCC)를 제시한다.
본 연구는 블록 희소 프루닝(block-sparse pruning)이 표준 하드웨어에서 추론 지연 시간을 개선하지는 못하면서도 엣지 배포를 위해 딥러닝 침입 탐지 모델을 크게 압축한다는 점을 입증하는 동시에, 클래스별 불안정성을 유발하고 소수 공격 유형에 대한 성능 문제를 해결하지 못한다는 것을 보여준다.
본 논문은 그래프 신경망, NSGA-II 최적화, 그리고 컨텍스추얼 밴딧을 통합하여 SLO 위반, 에너지 소비, 운영 비용 및 클러스터 간 트래픽을 동시에 최소화하는 한편 공정성과 안정성을 극대화함으로써 연합 클라우드 환경을 위한 AI 기반 프레임워크를 제안하며, 실험적 평가를 통해 기존 방식보다 우수한 성능을 달성하였다.
본 연구는 6개의 대화형 AI 플랫폼을 평가하며, 이들이 공감 능력을 일관되게 모사하고 있음에도 불구하고 위기 감지 및 단계적 대응 측면에서는 상당한 불일치를 보이고 있다는 점을 발견하였으며, 이는 이들의 문서화된 안전 약속과 실제 상호작용 성능 사이의 중대한 격차를 드러낸다.