본 논문은 FPGA 기반 HIL 시스템을 이용한 스마트 비디오 기반 의료기기의 하드웨어 통합 테스트 시스템을 제시합니다. 실시간 요구사항 충족 및 자동 오류 감지 기능을 통해 임상 시험 전 기능 검증을 가능하게 하며, 머신러닝 하드웨어 가속기 통합 검증에도 활용될 수 있습니다.

LLM 기반 다중 에이전트 시스템 ResearchCodeAgent는 머신러닝 연구 방법론의 자동 코딩을 통해 연구 속도를 향상시키고, 코딩 시간을 단축하며, 성능 개선까지 가능하게 합니다. 데이터 증강, 최적화, 데이터 배칭 등 다양한 작업에 적용 가능하며, 복잡한 작업일수록 효과가 더욱 큽니다.

장진, 성홍, 양지린, 고양, 장충제 연구팀이 개발한 LEPA 알고리즘은 LLM에 추상적 계획 수립 능력을 부여하여 문제 해결 능력과 일반화 성능을 크게 향상시켰습니다. 인간의 사고 과정을 모방한 이 혁신적인 접근 방식은 LLM의 자기 지도 학습 분야에 새로운 가능성을 제시합니다.

본 논문은 다중 RIS 지원 유체 안테나 시스템의 성능 향상을 위한 두 가지 혁신적인 신호 선택 기법(Max-Max, Max-Sum)을 제안하고, Nakagami-$m$ 페이딩 채널 환경에서 이론적 분석 및 모의실험을 통해 그 성능을 검증합니다. 이 연구는 5G 및 6G 통신 시스템의 성능 향상에 중요한 의미를 지닙니다.

본 연구는 BERT와 Random Forest를 비교하여 소프트웨어 보안 취약점 예측 성능을 분석했습니다. 프로젝트 내부 예측에서는 RF가, 프로젝트 간 예측에서는 BERT가 우수한 성능을 보였으며, 다양한 유형의 버그 보고서 데이터 활용에 따라 모델 성능이 크게 달라짐을 확인했습니다. 이는 최적의 모델 선택과 데이터 전략 수립의 중요성을 시사합니다.