Aydoğan Soylu와 Tufan Kumbasar 박사의 연구는 진화형 2차원 양자 퍼지 신경망(eT2QFNN)을 이용하여 ATTAS 항공기의 공력 계수를 정확하게 모델링하는 데 성공했습니다. 제한된 데이터에서도 우수한 성능을 보이며, 델타법을 통한 안정성 및 제어 파생변수 분석으로 모델의 실용성을 높였습니다. 이 연구는 항공기 설계 및 제어 시스템 개발에 혁신적인 변화를 가져올 것으로 기대됩니다.

본 연구는 확률적 및 인과적 추론에서 만족할 수 있는 문제의 복잡성을 심층적으로 연구하여, 모델 제약 조건 하에서의 복잡성을 규명하고 AI 이론 발전에 기여했습니다.

AI 기반 OVQE 모델을 VVC에 적용하여 영상 화질을 개선하고 비트레이트를 절감하는 연구 결과가 발표되었습니다. PSNR 향상 및 비트레이트 절감을 통해 고화질 영상 전송 및 스트리밍 서비스 개선에 기여할 것으로 예상됩니다.

본 논문은 딥 강화 학습(DRL)을 이용하여 실제 세계의 대규모 동적 작업 할당 문제(DTAP)를 해결하는 혁신적인 의사결정 지원 시스템(DSS)을 제시합니다. 그래프 구조와 새로운 보상 함수를 통해 실제 로그 데이터 기반의 다양한 DTAP 인스턴스에서 기존 방법보다 우수하거나 동등한 성능을 달성했습니다. 이는 실제 산업 현장에 적용 가능한 실용적인 시스템으로서, 다양한 분야에 획기적인 개선을 가져올 수 있을 것으로 기대됩니다.

본 기사는 복잡한 환경에서의 정확한 3D 재구축을 위한 새로운 병렬 단일 픽셀 이미징(PSI) 모델에 대한 최신 연구 결과를 소개합니다. Chen Feifei 박사 연구팀이 제시한 이론적 모델은 이미징 및 노이즈 모델을 통해 PSI의 작동 원리를 명확히 하고, 수치 시뮬레이션 및 실험 결과를 통해 검증되었습니다. 이 연구는 PSI 기술의 발전을 가속화하고 미래 3D 재구축 응용 분야에 새로운 가능성을 제시합니다.