1019 편의 논문
본 연구는 셀프 어텐션(self-attention)을 활용한 딥 셋(Deep Set) 기반 집계가 가변 길이의 고주파 웨어러블 신체 활동 데이터를 모델링하는 데 있어 전통적인 방식보다 우수한 성능을 보임을 입증하는 동시에, 더 안정적이고 저주파인 측정치에는 더 단순한 집계 전략이 여전히 충분하다는 점을 시사한다.
본 논문은 다양한 네트워크 환경에서 높은 정확도, 실시간 침입 탐지, 지속적 학습 능력 및 투명한 의사결정을 달성하기 위해 BiLSTM, 셀프 어텐션(self-attention), 그리고 탄력적 가중치 통합(Elastic Weight Consolidation)을 결러합한 자기 적응형 및 해석 가능한 딥러닝 프레임워크인 AdapNet-IDS를 제시한다.
본 논문은 비독립 동일 분포(non-IID) 데이터 환경에서의 연합 텍스트 분류에서 유용성, 그룹 공정성 및 프라이버시 보존 사이의 균형을 효과적으로 맞추기 위해 저차원 표현 학습, 차분 프라이버시, 그리고 공정성-프라이버시 최적화를 통합하는 폐쇄 루프 협업 프레임워크인 FedMOJO를 제안한다.
본 논문은 시계열 특징을 기반으로 무선 센서 네트워크의 노드 수준 결함을 탐지하기 위해 CNN, RNN 및 LSTM 모델을 활용하는 딥러닝 프레임워크를 제안하며, 이는 성능 지표를 통해 검증되고 실시간 그래프 매핑 인터페이스를 통해 시각화된다.
본 연구는 데이터가 부족한 지역에서의 수질 분류를 위해 서로 다른 작업군과 강건한 모델링을 결사하여, 맹목적인 자동 분류기가 아닌 신중하고 재현 가능한 의사결정 지원 도구를 제공하는 전이 가능하고 설명 가능하며 불확실성을 인지하는 머신러닝 프레임워크를 제안한다.
이 논문은 반복 지역 탐색(Iterated Local Search)과 집합 분할(Set Partitioning) 사후 최적화를 결합한 하이브리드 메타휴리스틱인 ILS+SP를 소개하며, 이는 대규모 벤치마크 인스턴스에서 최적에 가까운 해를 달 achievement함으로써 패밀리 용량 제한 차량 경로 문제(Family Capacitated Vehicle Routing Problem)를 해결하는 데 있어 기존의 최첨단 방법들을 크게 능가한다.
이 논문은 풀링 기반 계획 에이전트가 임베딩 차원과 객체 수에 의해서만 결정되는, 모델의 용량이나 학습과 관계없이 발생하는 정체성 상실을 야기하는 구조적 한계인, 환원 불가능하고 계산 가능한 객체 접지(object grounding)의 천장에 직면해 있음을 증명한다.
본 연구는 정보의 관련성, 시간적 안정성, 비중복성 및 완결성을 통합하여 다양한 현장 조건과 결측 데이터 상황에서도 최적에 가까운 예측 성능을 유지하는 조밀하고 해석 가능한 센서 부분 집합을 식별하는 통합 선택 방법론인 엔트로피 해상도 센서 실행 가능성(Entropy-Resolved Sensor Actionability, ESA) 프레임워크를 제안한다.
본 논문은 SVD와 샘플링은 호스트에 유지하면서 텐서 수축(tensor contraction)을 Xilinx Alveo U55C로 오프로딩함으로써 500개 이상의 큐비트를 처리할 수 있는 FPGA 가속 행렬 곱 상태(Matrix Product State, MPS) 양자 회로 시뮬레이터를 제시하며, 성능이 큐비트 수가 아닌 결합 차원(bond dimension)에 따라 확장됨을 입증하고 엄격한 정확성 및 반증 실험을 통해 시스템의 결정적인 역할을 검증한다.
본 논문은 동적인 환경적 불확실성 하에서도 안정적인 기하학적 워핑(warping)과 텍스처 합성을 보장하는 동시에 의 수렴 속도와 고해상도 벤치마크에서의 우수한 성능을 달성하는 분포 강건 최적화 프레임워크인 강건 확률 분산 감소 가상 피팅(RSVR-VTO) 알고리즘을 소개한다.