1015 편의 논문
본 논문은 자율적인 학습형 블록체인 참여자들 사이의 합의를 달성하기 위해 게임 이론적 인센티브를 갖춘 다중 에이전트 강화 학습 프레임워크를 제안하며, 정책이 공정하고 적대적 환경에 내성이 있는 평형 상태로 수렴함을 입증하는 동시에 특정 구조적 한계를 식별하고 이론적 수렴 보장을 정교화한다.
본 연구는 구조방정식 모델링을 활용하여 AI 기반 사이버 보안 인식과 디지털 리터러시가 AI 기반 사이버 보안 시스템의 도입을 유의미하게 촉진하는 반면, 이러한 시스템에 대한 신뢰는 행동 의도에 직접적인 영향을 미치지 않는다는 점을 입증함으로써, 조직이 신뢰 구축 자체보다 사이버 보안 인식 및 디지털 리터러시 개발을 우선시해야 할 결정적인 필요성을 강조한다.
이 논문은 환경 모니터링, 정밀 농업 및 스마트 센싱 응용 분야를 위해 높은 정확도와 강건성을 달성하며 RGB 이미지에서 먼지 분할과 밀도 추정을 동시에 수행하는 딥러닝 기반 인코더-디코더 프레임워크인 DustFormer을 소개한다.
본 논문은 자동 심볼화 및 루프 바운딩 전략을 통해 강화된 방향성 심볼릭 실행 방법을 제안하며, 이를 통해 실제 프로젝트 및 정적 분석 통합 적용 시 기존의 KLEEF와 같은 도구와 비교하여 우수한 재현율과 정밀도를 입증함으로써 절차 간 제어 흐름 경로의 타당성을 효율적으로 검증한다.
본 연구는 OKAP 스타일의 안과 문제들을 대상으로 다섯 가지 거대 언어 모델을 평가하였으며, 범용 모델, 특히 Gemini-Pro-3가 정확도와 보정 측면에서 특화된 임상 AI 도구인 OpenEvidence보다 우수한 성능을 보였음을 밝히는 동시에, 모든 시스템에서 나타나는 상당한 성능 이질성과 공통된 추론 실패를 강조하였다.
본 논문은 심층 특징 추출을 위한 2단계 스택형 오토인코더와 근사 정책 최적화(Proximal Policy Optimization) 기반의 심층 강화 학습 에이전트를 결합한 새로운 침입 탐지 프레임워크를 제안하며, 여러 벤치마크 데이터셋에 대해 경쟁력 있는 성능과 효율성을 입증한다.
본 논문은 행동 유형별 신뢰도를 동적으로 업데이트하고 지배성, 시간적 안정성, 클래스 간 분리도가 공동으로 충족될 때만 결정을 수용하는 신뢰도-수렴 기반의 수중 이동 표적 순차 인식 방법을 제안하며, 이를 통해 제한적이고 불확실한 관측 조건 하에서 기존 베이스라인 대비 정확도를 크게 향상시키고 오류를 줄인다.
본 논문은 기존 그래프 기반 방식의 한계를 해결하기 위해 화자 유형별 그래프를 통해 관련 대화 이력을 선택적으로 라우팅하고 교차 모달 불일치를 사용하여 결정을 보정함으로써 예측 정확도를 향상시키는 멀티모달 감정 인식 프레임워크인 HiRoC를 제안한다.
본 논문은 최적화된 바이너리 코드에서 자연 루프를 정확하게 탐지하고 그 반복 횟수를 결정하기 위해 절차 간 정적 분석을 제어 흐름 및 데이터 의존성 추적과 결합한 자동화되고 확장 가능한 방법을 제시하며, 이를 통해 실제 소프트웨어 및 벤치마크 제품군에 대해 높은 정밀도와 확장성을 달성한다.
본 논문은 전체 HMD 포즈 데이터가 공간 현존감과 같은 특정 VR 주관적 결과들을 효과적으로 모델링할 수 있는 반면, 전통적인 설문지를 완전히 대체하기보다는 보완적인 행동 신호로서 가장 적합하게 기능하며, 회복 가능성이 사용성, 작업 부하, 사이버 멀미와 같은 서로 다른 구성 개념에 따라 크게 달라진다는 것을 입증하는 재현 가능한 벤치마크를 확립한다.