996 편의 논문
본 논문은 새로 도입된 42M 규모의 CEMR-42M 데이터셋을 활용하여, 6가지 운영 상태에 따른 사용자의 단기적 의도 변화를 명시적으로 모델링함으로써 기존 베이스라인 대비 교차 카테고리 및 저빈도 아이템 추천에서 우수한 성능을 달성하는 국경 간 이커머스용 상태 인지 멀티모달 추천 랭킹 모델을 제안한다.
본 연구는 대기 오염 예측을 위한 고전, 딥, 그리고 양자 머신러닝 모델을 벤치마킹하기 위해 MDQ-3L 프레임워크를 도입하며, CatBoost와 DBN 같은 고전적 모델들이 현재 NISQ 제약 조건 하에서 양자 접근 방식보다 우수함을 밝히는 동시에, 제안된 다중 지표 점수 체계가 구조적 한계를 효과적으로 식별하고 향후 하이브리드 환경 모델링을 위한 저-얽힘 양자 회로의 선택을 안내함을 보여준다.
이 논문은 자원이 제한된 환경에서 딥러닝 모델 학습을 위한 합성 유방 촬영술 패치를 생성하기 위해 저자원 CUT-GAN을 사용하는 것을 제안하며, 합성 데이터가 데이터가 없는 경우보다 모델 성능을 향상시키기는 하지만 현재 실제 이미지로 학습했을 때(0.913 AUC)보다는 낮은 정확도(0.751 AUC)를 나타낸다는 점을 입증한다.
본 논문은 통합된 gshare 분기 예측기와 호스트 독립적인 온-FPGA VGA 시각화 유닛을 특징으로 하는 합성 가능한 5단계 RV32IM 파이프라인을 제시하며, 이는 정적 베이스라인 대비 2.33배의 성능 향상을 달면서 실시간 파이프라인 내성 검사와 비트 단위의 정확한 기능 검증을 가능하게 한다.
본 논문은 공통 공간 패턴(Common Spatial Patterns)과 이중 주의 메커니즘을 결합하여 EEG 신호에서 97.59%의 최첨단 파킨슨병 탐지 정확도를 달anam하는 경량화된 심층 시공간 특징 추출 기반 이중 주의 EEGNet(CSFE-DAE) 프레임워크를 제안한다.
본 연구는 초등학교를 위한 AI 기반 학습 관리 시스템을 구축하고 검증하기 위해 Four-D 개발 모델을 활용하였으며, 전문가들은 이것이 학생들의 컴퓨팅 사고력, 특히 분해, 추상화 및 알고리즘 능력을 향상시키는 데 매우 실현 가능하고 효과적이라고 평가하였다.
본 논문은 생의학 이미지 분류 작업에서 우수한 정확도와 노이즈에 대한 강건성을 달로하기 위해 고전적 예측과 양자 예측에 동적으로 가중치를 부여하는 특징 적응형 융합 하이브리드 양자-고전 신경망(FAF-HQNN)을 제안한다.
본 논문은 잠재적인 사용자 컨텍스트 상관관계를 포착함으로써 데이터 희소성, 콜드 스타트 문제, 그리고 입력 불안정성을 효과적으로 해결하기 위해 적대적 학습과 대조 학습을 확산 기반 그래프 신경망에 통합한 강건한 추천 모델인 ACDGRec을 제안한다.
본 논문은 분산 학습과 특화된 상태 표현을 활용하여 Named Data Networking에서의 캐시 오염 공격을 효과적으로 완화하는 NDN 인지 협력적 다중 에이전트 심층 결정론적 정책 경사(MADDPG) 프레임워크를 제안하며, 이는 단일 에이전트 및 기존 방식들과 비교하여 우수한 캐시 효율성, 빠른 수렴 속도 및 향상된 회복력을 입증한다.
본 논문은 복잡한 작업 공간을 효과적으로 매핑하고 에지 서버 간의 계산 평형을 보장함으로써 스마트 시티 에지 컴퓨팅 환경에서 동적 부하 분산을 최적화하고 시스템 지연 시간을 줄이기 위해 딥 강화 학습을 활용하는 선형 매핑 강화 근사 정책 최적화(LME-PPO) 프레임워크를 제안한다.