대출 데이터에서 '거짓' 관측값을 유발하는 잔여 제로 값 잔액(TZB) 문제를 해결하기 위해 고안된 TruEnd 절차는 최적의 '소액 잔액' 정의를 찾아내어 TZB 기간을 정확히 식별하고 제거하여 신용 손실 추정의 정확성을 향상시키고 IFRS 9 회계 기준에 따른 정확한 신용 손상 계산을 가능하게 합니다.
알려지지 않은 매개변수를 가진 포아송 프로세스에 의해 구동되는 시스템에서 베이지안 학습을 사용하여 최적 제어 문제를 해결하는 방법을 제시합니다.
본 논문에서는 참조 빔 없이 머신러닝을 사용하여 다중 모드 광섬유의 복소 전송 행렬 및 신경망 모델을 검색하는 방법을 제시하고, 이를 통해 3차원 빔 형성을 성공적으로 달성하여 모델의 정확성을 검증합니다.
본 논문에서는 그래프에서 노드 레이블링의 정보성과 대표성을 모두 고려한 새로운 오프라인 액티브 러닝 방법을 제안하여, 노이즈가 있는 환경에서도 효율적인 학습을 가능하게 합니다.
본 논문에서는 다양한 소음 환경에서도 안정적으로 드론을 탐지하고 분류할 수 있는 저비용 시스템을 제안하고, 실제 환경에서 수집한 데이터셋과 컨볼루션 신경망(CNN) 기반 모델을 사용하여 그 성능을 검증합니다.
이 논문에서는 그래프 필터 출력에서 희소 그래프 신호를 효율적으로 복구하는 세 가지 새로운 알고리즘을 제안하고, 이를 통해 기존 방법 대비 향상된 성능을 보여줍니다.
FinCon은 실제 투자 회사 구조에서 영감을 받아 개념적 구두 강화를 통해 다양한 재무 작업에서 향상된 의사 결정을 내리는 합성 LLM 기반 다중 에이전트 프레임워크입니다.
이 논문은 데이터에서 아핀 변환을 넘어선 연속적인 대칭성을 감지하는 새로운 벡터 필드 기반 방법을 제안하며, 이 방법은 기존 방법보다 계산적으로 효율적이고 특정 상황에서 더 나은 정확도를 제공합니다.
본 논문에서는 향상된 클러스터링 성능을 위해 설계된 정규화 투영 행렬 근사화 프레임워크를 제안하며, 이는 유사도 행렬에서 클러스터 정보를 효과적으로 복구하는 데 중점을 둡니다.
다중 소스 모델을 효과적으로 결합하여 동적 데이터 분포에 적응하는 새로운 프레임워크인 CONTRAST를 소개합니다.