2275 편의 논문
본 논문은 기존의 올바른 예측을 저하시키지 않으면서 경계 오류를 수정함으로써 생물 의학 개체명 인식 정확도를 크게 향상시키고, 이를 통해 최소한의 계산 자원만을 요구하면서도 다운스트림 관계 추출의 안정성을 높이는 경량화된 사후 경계 정밀화 모듈(Boundary-Refinement Module, BRM)을 소개한다.
이 논문은 특정 영역에서 딥러닝 기반 악성코드 탐지 성능을 완만하게 개선하고 이전의 불안정성 문제를 해결하면서도, 궁극적으로는 튜닝된 트리 앙상블이 해당 과업에 있어 가장 견고하고 비용 효율적인 솔루션임을 확인시켜 주는, 특징 증폭기(feature augmentor)와 결합된 유계된 학습 가능 불확실성 게이팅 메커니즘인 ChaosEntropyGate v2 (CEG-2)를 소개한다.
이 논문은 리튬 이온 배터리의 잔여 수명을 예측하기 위해 Random Forest, XGBoost, 그리고 Temporal Convolutional Network 모델의 성능을 평가 및 비교하며, 전기 자동차의 예방 정비를 위한 Coral Dev Board에서의 실질적인 배포와 효과를 입증한다.
이 논문은 절대적인 점수가 아닌 분자 간의 쌍별 비교를 통해 그래프 신경망 대리 모델을 학습시킴으로써, 노이즈가 많은 스크리닝 환경에서 표적 달성도와 샘플링 효율성을 크게 향상시키는 능동 학습 프레임워크인 APOSM을 소개한다.
이 논문은 ST 분절 및 T파와 같이 결정적인 특징을 타겟팅함으로써 심근경색 탐지를 위한 AI 모델의 해석 가능성을 높이고, 12유도 심전도에 대해 임상적으로 유의미한 반사실적 설명을 생성하는 통합 그래디언트 가이드 적대적 프레임워크인 InterGRACE를 소개한다.
본 연구는 불균등 영향 제거(Disparate Impact Remover) 및 적대적 디바이아싱(adversarial debiasing)과 같은 편향 완화 기법을 채택한 공정성 인지 머신러닝 모델이 높은 예측 정확도를 유지하면서도 ADNI 데이터를 활용한 알츠하이머병 분류에서의 성별 관련 격차를 유의미하게 줄일 수 있으며, 임상 및 성별 관련 결정 요인의 해석 가능성을 향상시킨다는 것을 입증한다.
이 논문은 비공개 3D 종양 영상 및 방사선 보고서로부터 객관식 문제를 생성하여 시각-언어 모델(Vision-Language Models)을 엄격하게 평가하는 자동화된 오염 제어 벤치마킹 파이프라인을 소개하며, 이를 통해 현재의 모델들이 진정한 시각적 인지보다는 텍스트 단서나 데이터셋에 대한 익숙함에 의존하는 경우가 많다는 점을 밝혀낸다.
본 논문은 이중 채널 어텐션 블록을 통합함으로써 다중 클래스 EEG 숫자 디코딩에서 92.36%의 최첨단 정확도를 달성하는 동시에 견고성, 해석 가능성 및 계산 효율성을 보장하는 경량 딥러닝 프레임워크인 DualAttentionNet을 소개한다.
본 논문은 AI 기반 안드로이드 악성코드 탐지 시스템에 대한 체계적 문헌 고찰(2020–2025)을 통해, 이들의 적대적 공격에 대한 취약성을 분석하고, 기존 방어 전략을 평가하며, 강건하고 신뢰할 수 있는 보안을 달성하기 위한 핵심적인 격차와 향후 연구 방향을 식별한다.
LC-MSCKF는 성능 저하를 예측하기 위한 경량 학습 분지와 유계된 교정 팽창을 위한 혁신 피드백 분지를 결합한 하이브리드 2단계 불확실성 보정 전략을 채택함으로써 시각-관성 주행 거리 측정의 정확도를 향상시키며, 다양한 벤치마크에서 고정형 및 단일 분기 적응형 베이스라인을 크게 능가한다.