3775 편의 논문
노인 돌봄 환경에서의 AI 및 ML 연구 69건을 대상으로 한 이 신속 범위 검토(rapid scoping review)는 현재의 보고 관행이 외부 검증, 불확실성 정량화, 맥락적 배포 세부 사항과 같은 필수적인 시스템 수준의 고려 사항보다 기술적 모델 개발을 우선시하고 있음을 드러내며, 이는 기존의 의료 AI 가이드라인이 노인 돌봄의 복잡성을 다루기에 불충분함을 시사한다.
본 연구는 AES-256-GCM 인증 저장 방식과 완전 동형 암호를 결합하는 것이 평문 처리와 비교하여 상당한 계산 오버헤드에도 불구하고, 예측 정확도의 손실을 최소화하면서 보안성이 보장된 엔드 투 엔드 머신러닝 추론을 가능하게 함을 입증한다.
본 연구는 모델 간의 불일치를 해결하기 위해 메타 분류기를 활용함으로써 기존의 단일 모달 및 다중 모달 베이스라인 모델들과 비교하여 분류 성능을 크게 향상시키고 과잉 확신 오류를 줄임으로써, 스트리트 뷰 기반의 재난 피해 평가의 정확도와 신뢰성을 높이는 멀티모달 중재 프레임워크인 DamageArbiter를 소개한다.
본 연구는 유방암 재발에 대한 양자 커널 생존 모델이 낮은 큐비트 인코딩 덕분에 샤플리 값(Shapley values)을 통해 정확하게 설명될 수 있음을 입증하는 동시에, 해당 모델의 예측 성능이 고전적 방사 기저 커널과 통계적으로 유사하며 노이즈에 강하다는 점을 밝힘으로써, 이들의 주요한 실질적 가치가 우수한 정확도보다는 해석 가능성에 있음을 시사한다.
본 논문은 이진 활성화 패턴을 진화시키고 적응형 감지 반경을 구축하기 위한 특화된 디코더를 사용하여 멀티미디어 무선 센서 네트워크의 확률적 강한 장벽 커버리지를 위해 센서 활성화와 에너지 소비를 동시에 최적화함으로써 기존 변형 알고리즘들보다 우수한 성능과 강건성을 달성하는 반경 디코더 보조 제약 다목적 진화 알고리즘인 RDC-MOEA를 제안한다.
본 논문은 기하학적 인지 어텐션 메커니즘과 기하학적 커리큘럼 학습을 통해 밀집(dense) 방식과 희소(sparse) 방식을 통합함으로써, 경쟁력 있는 정확도를 유지하면서도 까다로운 조건에서 탁월한 강건함을 달성하는 새로운 엔드 투 엔드 단안 시각 주행 거리 측정 아키텍처인 DDI-VO를 제안한다.
본 연구는 레이블 왜곡(label skew) 및 클라이언트 탈락(client dropout)과 같은 실제 임상적 스트레스 요인 하에서도 멀티모달 뇌종양 분류를 위한 높은 정확도와 F1 점수를 유지하면서, 기존의 지표들이 놓치는 모델 진화에 대한 포렌식 가시성을 제공하기 위해 라운드 수준의 가중치 감사(round-level weight auditing)를 도입한 감사 가능한 연합 학습 프레임워크를 제안한다.
본 논문은 자원 제한적인 임베디드 시스템에 배포하기 위해 계산 비용을 획기적으로 줄이면서도 sEMG 기반 손 동작 인식에서 최첨단 정확도를 달성하는 고효율, 경량 depthwise separable CNN을 개발하기 위해 D-최적 실험 설계와 파레토 최적화를 사용하는 체계적인 방법론을 제안한다.
본 논문은 블록별 아핀 암호화와 적응형 단일 이웃 예측기를 결면하여 임베딩 공간을 보존하는 동시에 블록 분산을 교란함으로써, 기존 방식들과 달리 분산 기반의 분리 가능성을 필요로 하지 않으면서도 현저히 높은 임베딩률을 달성하는 암호화된 영상을 위한 고용량 가역적 데이터 은닉 기법을 제안한다.
본 연구는 연결된 자율주행 차량을 위한 블록체인 기반 액세스 제어 시스템에서 보안 이점과 개인정보 보호 위험 간의 인과 관계 및 트레이드오프를 분석하기 위해 하이브리드 AI-DEMATEL 모델을 활용한다.