3729 편의 논문
본 논문은 그리스의 통합 디지털 세무 생태계에 대한 기술적 분석을 제시하며, 탈세를 가능하게 하는 세무 기기, ERP 시스템, 그리고 EFTPOS 단말기 간 상호작용의 구체적인 취약점을 식별하고, 종단 간 결제 무결성을 보장하기 위해 암호화 강화, 규제 통합, 그리고 AI 기반 대조를 결합한 다층적 완화 전략을 제안한다.
47개의 생물 의학 AI 연구를 대상으로 한 이 체계적 문헌 고찰은 SHAP 및 LIME과 같은 해석 가능성 방법론이 인과적 예측 모델을 설명하기 위해 널리 사용되고 있음에도 불구하고, 이들의 평가는 압도적으로 속성 기반 지표에 의존하며 실제 인과적 타당성을 검증하는 경우는 드물다는 점을 밝히며, 모델 설명과 인과 추론 사이의 결정적인 간극을 강조한다.
이 논문은 자기 학습(self-training) 및 능동 학습(active learning)과 같은 준지도 학습 패러다임이 정밀 의료를 위한 인과적 생물 의학 지식 그래프의 확장 가능한 구축을 가능하게 하기 위해 주석이 달린 데이터의 부족 문제를 어떻게 해결하는지 검토하며, 대규모 언어 모델과 관련된 현재의 과제와 미래의 방향을 강조한다.
이 논문은 포괄적인 과학적 지식 베이스와 엄선된 실험 방법을 활용하여 AI 모델의 기저 메커니즘을 발견, 검증 및 개입함으로써, 해당 분야를 단순히 모델의 동작을 이해하는 수준에서 능동적으로 제어하는 수준으로 진전시키는 자율적 에이전트 시스템인 Mechanist를 소개한다.
이 논문은 홀로그래픽 딥러닝 모델이 노이즈가 있는 경계 조건 하에서 상당하고 예측 불가능한 내부 메트릭 오류를 겪는다는 것을 입증하기 위해 '재구성 간극(reconstruction gap)'을 도입하며, 이를 통해 모델의 내부 메커니즘을 인증하는 데 있어 블랙박스 AI 감사의 근본적인 한계를 정량화한다.
합성 센서 데이터에 대한 적응형 TinyML의 다중 시드 경험적 연구는 온라인 학습이 개념 드리프트를 유의미하게 완화하고 적응형 에너지 정책이 정적 모델보다 우수함을 입증하는 동시에, 입력 특징 양자화가 4비트까지 정확도를 보존하며, 연합 학습의 형평성 주장은 철회가 필요하고, 퍼지 튜너가 우수한 구조적 해석 가능성에도 불구하고 신경망 베이스라인이 정확도 측면에서 이를 능가한다는 것을 밝혀냈다.
이 논문은 농업 대상 탐지 연구에서 광범위하게 발생하는 데이터 누수를 비판적으로 분석하며, PlantDoc 기반 연구 33개를 평가하기 위한 12가지 기준의 점수 체계를 도입하고, 보고된 성능은 높지만 대부분의 연구가 실세계 신뢰성을 저해하는 방법론적 격차, 특히 증강 범위와 관련된 문제를 겪고 있음을 밝히며, 저자, 심사위원 및 데이터셋 관리자를 위한 구체적인 권고 사항을 제안한다.
이 경험적 위험 연구는 레이블이 제한된 데이터 시프트 상황에서 곡률 기반 수축(curvature-based shrinkage)이 소스 보정(source calibration)보다 예측 손실을 개선함을 입증하지만, 이의 단순한 베이스라인 대비 우월성은 맥락에 따라 달라지며, 이는 평균적인 이득과 해로운 재보정(recalibration)의 위험 사이의 결정적인 배포 트레이드오프를 강조한다.
본 논문은 복잡한 저조도 환경에서 모델 파라미터를 크게 줄이면서도 효율적이고 정밀도가 높은 수중 소형 표적 탐지를 달实现하기 위해 TEfficientNet, SPDConv, C2f-Dual 및 SCSA 메커니즘을 통합하여 최적화된 YOLOv8 기반 프레임워크인 SSDT-YOLO를 제안한다.
본 논문은 점 주석(point annotations)과 새로운 포커스 역 거리 변환(Focus Inverse Distance Transform)을 활용하여 복잡한 UAV 영상 내에서 고정밀 소 탐지 및 계수를 달성하고, 폐쇄(occlusion) 및 주석 비용 문제를 해결하며, 엣지 디바이스 배포를 위한 실용적인 솔루션을 제공하는 경량화된 CEDNet 기반 알고리즘인 C2Net을 제안한다.