2814 편의 논문
본 연구는 코코넛 섬유 또는 황마 섬유를 2% 혼입하는 것이 섬유 가교 작용 및 입자 맞물림과 같은 메커니나임을 통해 소성 및 압축성을 감소시키고 강도를 증가시킴으로써 팽창성 연약 지반의 공학적 성능을 유의미하게 향상시킨다는 것을 입증하며, 이는 토양 안정화를 위한 지속 가능한 대안을 제공한다.
본 연구는 방글라데시 하딩지 브리지(Hardinge Bridge)의 고유량 이벤트를 예측하기 위해 다양한 머신러닝 및 딥러닝 모델을 벤치마킹하였으며, 기상 데이터만을 활용한 시나리오에서는 랜덤 포레스트가 신경망보다 우수한 성능을 보였으나, 현재의 수문 상태 데이터를 통합하는 것이 모델 구조의 복잡성보다 예측 정확도를 유의미하게 향상시켰음에도 불구하고, 예측 변수와 대상 변수 간의 데이터 계보가 공유된다는 점으로 인해 결과가 운영 기술이라기보다는 재현 가능한 프록시 벤치마크로 남게 된다는 점을 밝혀냈다.
본 연구는 현장 진단용 애플리케이션을 위해 SARS-CoV-2 스파이크 단백질과 전립선 특이 항원을 표지 없이 이중 전기화학적으로 검출할 수 있는, 저비용, 휴대 가능 및 초고감도 유리 탄소 전극 통합 원심 미세유체 CD 플랫폼을 제시한다.
본 연구는 나노 셰일-생석회 안정화 카올린 점토의 일축 압축 강도를 정확하게 예측하고 불확실성을 정량화하며 소성 및 양생 상호작용과 같은 주요 물리적 동인을 식별하기 위해 최적화된 CatBoost 모델을 사용하는 물리 기반의 설명 가능한 머신러닝 프레임워크를 제안한다.
이 체계적 문헌 고찰은 큐브위성 및 나노위성용 공기 베어링 테스트베드에 관한 40편의 연구를 합성하며, 모듈형 및 오픈 소스 하드웨어로의 전환을 강조하고, 센서 퓨전 및 추력기 검증에서의 결정적인 격차를 식별하며, 고충실도 외란 보상, 디지털 트윈, 그리고 AI 지원 진단 분야에서의 향후 발전을 우선순위로 둡니다.
이 논문은 딥러닝 및 최적화 알고리즘과 같은 인공지능 기술이 재생 에너지 통합, 수요 관리, 사이버 보안을 포함한 스마트 그리드의 핵심 과제들을 어떻게 해결하여 실질적인 응용 사례를 통해 에너지 효율성, 신뢰성 및 지속 가능성을 향상시키는지 조사한다.
이 논문은 데이터 프라이버시를 보존하면서 수렴 효율성과 의사결정 투명성을 개선하고, 분산된 현장 전반에 걸쳐 자율적이고 감사 가능한 엔지니어링 관리를 가능하게 하기 위해 양자 강화 연합 학습, 그래프 어텐션 멀티 에이전트 협업, 그리고 설명 가능한 AI를 통합한 5계층 아키텍처인 QFDT-XMAI 프레임워크를 소개한다.
본 논문은 GPS가 제한된 환경에서의 SLAM 및 오도메트리에 관한 센서 중심의 조사 연구를 제시하며, 성능 상충 관계를 분석하고 다중 센서 융합 및 신경망 통합과 같은 주요 트렌드를 식별하기 위해 문헌을 감지 양식 및 성숙도 단계별로 분류하며, 견고한 위치 추정에는 보완적 감지와 불확실성을 고려한 추정기가 결러되어야 한다고 주장하는 동시에 파편화된 벤치마킹이 발전의 주요 장벽임을 강조한다.
본 연구는 약 20,000건의 미국 로봇 공학 특허에 트랜스포머 기반 프레임워크를 활용하여, 의미론적 참신함 자체는 특허 지속성을 예측하지 못하는 반면, 전방향적 의미론적 영향력은 유지 비용 미납 가능성을 유의미하게 감소시키며, 참신함은 기존 영역 내에서 기술적으로 판독 가능한 상태로 유지될 때에만 유지율에 기여한다는 점을 입증한다.
본 연구는 버킹엄 정리에 의해 유도된 무차원 매개변수를 사용하여 비응축 가스가 존재하는 수평 채널에서의 수증기 응축 열전달을 정확하고 효율적으로 예측하는 머신러닝 프레임워크를 개발하였으며, XGBoost 알고리즘이 축소된 특징 집합을 사용하더라도 높은 정확도를 유지하면서 기존의 상관식 및 다른 모델들보다 우수한 성능을 보임을 입증하였다.