976 편의 논문
본 논문은 이중 계층 정보 공유 프레임워크와 동적 파레토 지배를 적용한 개선된 금광 최적화 알고리즘(IGMO-DP)을 제안하여, 임무 완료 시간, 에너지 소비 및 부하 균형을 동시에 최적화함으로써 이기종 UAV 군집의 다목적 스케줄링 문제를 효과적으로 해결하고 최신 알고리즘들과 비교하여 우수한 수렴성과 해의 다양성을 입증한다.
이 논문은 언번들링된 저널과 AI 매개 지식 접근의 시대에 전통적인 인용 기반의 과학적 영향력 지표가 구식이 되어가고 있다고 주장하며, 정식 출판물이 없는 AI 참여, 오픈 소스 라이브러리, 그리고 데이터셋의 기여를 인식하고 측정하는 새로운 체계가 필요함을 역설한다.
본 논문은 분석적으로 교정된 G/G/c 지연 근사법과 실시간 큐 관측을 결합하여 가변적인 작업 부하 하에서 작업을 동적으로 할당함으로써, 기존 베이스라인 대비 학습이나 보정 없이도 지연 시간과 추정 오차를 크게 줄이는 컴퓨팅 컨티뉴엄을 위한 큐 인지형 작업 오프로딩 방법을 제안한다.
본 논문은 고해외상 원격 탐사 영상 탐지에서 변화하는 타겟 크기, 밀집된 작은 객체, 복잡한 배경과 같은 과제들을 효과적으로 해결하기 위해 적응형 동적 컨볼루션, 변형 가능한 어텐션, 그리고 동적 샘플링 모듈을 통합한 동적 인지 향상 네트워크인 DPENet을 제안한다.
본 연구는 얼굴 표면 근전도(sEMG) 신호로부터 가상 미각 자극을 분류하는 정확도를 86.32%까지 유의미하게 향상시켜 디지털 헬스케어 및 식품 기술 분야에서의 활용을 위한 기존 및 표준 딥러닝 분류기들을 능가하는 새로운 MACB-ResNet 딥러닝 모델을 소개한다.
본 연구는 전이 학습 기반의 프레임워크를 제안하며, 이는 BiSeNetV2를 하이브리드 Cross-Entropy–Lovasz 손실 함수로 강화하여 계산 복잡도를 증가시키지 않으면서도 건설 현장의 자율 로봇 용접을 위한 견고한 실시간 심(seam) 분할을 달성하고 반사 표면에서의 성능을 유의미하게 향상시킨다.
TITAN은 적응형 지식 증류와 베이지안 집계(Bayesian aggregation)를 통해 예측 출력값과 장치 요약 정보만을 교환함으로써 원시 데이터나 그래디언트 공유 없이도 기존 방식보다 우수한 macro-F1 성능을 달가하며, 비독립 동일 분포(non-IID) 데이터 및 클래스 불균형 문제를 극복하는 산업용 사물인터넷(IIoT) 침입 탐지를 위한 새로운 3계층 연합 학습 아키텍처이다.
본 논문은 클라이언트 수준의 차분 프라이버시와 기관 수준의 CKKS 동형 암호를 통합한 헬스케어용 계층적 연합 학습 프레임워크를 제안하며, 차분 프라이버시는 프라이버시 예산에 따라 측정 가능한 정확도 손실을 초래하는 반면 동형 암호는 유틸리티 저하를 일으키지 않음을 입증함으로써, 각 메커니즘의 뚜렷한 프라이버시-유틸리티 트레이드오프를 분리하고 정량화한다.
본 논문은 의미론적 서사 생성과 운율적 오디오 묘사 모델링을 통합하는 통일된 프레임워크를 제안하며, 참조 기반 합성이 기본 주파수 및 발화 속도와 같은 정서적 미묘함을 효과적으로 포착하여 시각 장애 사용자를 위한 접근성을 향상시킨다는 점을 입증하지만, 여전히 지각적 검증이 필요하다.
이 논문은 지역 서브체인, 조정 체인, 그리고 동적 디지털 사촌 일관성 점수를 통합하여 최대 25%의 악의적 노드가 존재하는 다중 지역 환경에서 저지연 및 결함 허용 동기화를 달축하는 디지털 사촌 네트워크(Digital Cousin Networks)를 위한 합의 기반 경량 계층적 블록체인인 CD-LHBC를 제안한다.