3729 편의 논문
본 연구는 에너지 인지형 오토스케일링 프레임워크가 쿠버네티스로 오케스트레이션된 의료 마이크로서비스에 적용될 경우, 기존의 오토스케일링과 비교하여 자원이 제한된 환경에서의 운영 비용과 자원 과다 할당을 유의미하게 감소시킴으로써 보편적 의료 보장에 필수적인 디지털 헬스 시스템의 도입 장벽을 낮춘다는 것을 입증한다.
이 논문은 원시 데이터 대신 변수 의존성 요약에 기반하여 프라이버시 보호 합성 절차를 설계하기 위해 대규모 언어 모델을 활용함으로써, 기존 방식에 비해 계산 비용과 전문 지식 장벽을 크게 낮추는 동시에 우수한 통계적 충실도, 유용성 및 프라이버시 트레이드오프를 달성하는 새로운 프레임워크인 TabSSD를 소개한다.
SemanticVul은 로컬에서 생성된 증거 기반의 의미론적 설명을 활용하여 기존 베이스라인보다 정확도와 소수 클래스 재현율을 크게 향상시키면서, 결정론적 코드 매칭과 데이터셋 감사를 통해 주장을 엄격하게 검증하는 C/C++ 취약점 탐지를 위한 재현 가능한 프레임워크이다.
이 논문은 약한 물리적 효과가 다른 매개변수의 보상적 변화에 의해 가려지는 개념인 매개변수 보상(parameter compensation)을 소개하고, 다매개변수 역학습 문제에서 이러한 효과를 신뢰성 있게 복원하기 위해 구조화된 의사해(structured pseudo-solutions)를 활용하는 편향 보상 신경망(BcNN)을 제안한다.
본 논문은 다중 속성 시간적 기술자를 통해 위상 생성을 최적화하고, 동작 역학 및 관절 간 관계를 더 잘 포착하기 위해 포즈-모션 협업 분기를 통해 시간적 모델링을 강화함으로써 성능을 향상시키는 스켈레톤 기반 행동 인식 네트워크인 STME-GCN을 제안한다.
본 연구는 제어된 자원 제약 최단 경로 실험을 사용하여, 얕은 페널티-X QAOA에서 발생하는 불량한 실행 가능 샘플링이 뚜렷한 최적화 결함 및 목적 함수 불일치에서 기인함을 입증하며, CVaR 기반 학습이 홀드아웃 작업에서 정확한 실행 가능성 제어 모델의 성능에 효과적으로 근접함을 보여준다.
이 논문은 도메인 일관적 데이터 증강과 엄격한 평가 프로토콜이 NLLB-200과 같은 대규모 다국어 시스템보다 우수한 성능을 창출함을 입증하며, 고전 자이나교 철학 산스크리트어를 힌디어로 번역하기 위한 특화된 양방향 LSTM 기반 신경 기계 번역 모델인 Arthasetu를 소개하고 저자원 연구에서의 데이터 누수라는 중대한 위험성을 강조한다.
본 논문은 2D 및 3D 다공성 미세구조를 합성하기 위한 WGAN-GP, DDPM, 그리고 Flow Matching의 비교 벤치마크를 제시하며, 특히 공극률-확산 관계를 재현하는 데 있어 구조적 정확도와 계산 효율성 사이의 유리한 균형을 제공하는 경쟁력 있는 접근 방식으로서 Flow Matching을 식별한다.
본 연구는 머신러닝, 분할 컨포멀 예측(split conformal prediction), 그리고 SHAP을 통합하여 정량화된 신뢰성을 바탕으로 학생의 학업 성취도를 예측하는 불확실성 인지 프레임워크를 소개하며, LightGBM 및 XGBoost와 같은 모델들이 높은 정확도를 달 수 있는 반면, 컨포멀 예측은 불확실한 사례를 효과적으로 식별하여 인간 참여형(human-in-the-loop) 개입을 지원할 수 있음을 입증한다.
본 논문은 수렴, 분포 및 추세 정보를 압축된 상태로 통합하여 개체가 독립적으로 적응형 변이 전략과 제어 매개변수를 선택할 수 있도록 하는 전역 상태 유도 강화 학습 보조 차분 진화 알고리즘인 GSG-RLDE를 제안하며, 벤치마크 다목적 문제와 실제 UAV 경로 계획 시나리오 모두에서 우수한 성능을 입증하였다.