본 기사는 기존 모놀리식 시스템을 마이크로서비스로 전환하는 어려움을 해결하기 위해 제시된 MONO2REST 접근 방식에 대해 소개합니다. 진화 알고리즘과 머신러닝 기술을 결합하여 마이크로서비스를 자동으로 식별하고 REST API를 생성하는 MONO2REST는 Spring PetClinic을 통한 실험 결과에서 그 효과성을 입증했습니다.

본 연구는 틱택토 게임을 이용하여 양자 및 고전 신경망의 성능을 비교 평가하고, 양자 통신 통합의 영향을 분석한 연구입니다. 양자-고전 하이브리드 모델은 고전 모델과 유사한 성능을 보였으나, 독립형 QCNN은 하드웨어 제약으로 인해 성능이 저조했습니다. 하지만 양자 통신의 추가는 성능에 큰 영향을 미치지 않아 향후 하이브리드 양자 애플리케이션 개발의 가능성을 시사합니다.

Hu Yuxue 등의 연구는 멀티모달(텍스트, 이미지, 음성) 데이터를 활용한 혁신적인 유페미즘 식별 모델 KOM-EI와 새로운 데이터셋 KOM-Euph를 제시했습니다. 이는 기존의 텍스트 기반 접근 방식의 한계를 극복하고, 불법 콘텐츠 차단 및 안전한 온라인 환경 구축에 크게 기여할 것으로 기대됩니다.

Li Huacheng, Su Jingyong, Wang Kai 연구팀은 RBM 기반 합성 데이터 생성 기술을 이용하여 CAN 네트워크 보안 취약점을 해결했습니다. 합성 데이터로 훈련된 IDS는 정확도가 획기적으로 향상되어 자율주행 자동차의 안전성을 크게 높일 것으로 기대됩니다.

Timo Budszuhn, Mark Joachim Krallmann, Daniel Horn 세 연구원은 부트스트래핑 기반 적응형 리샘플링을 활용하여 잡음이 많은 다중 목표 최적화 문제를 효과적으로 해결하는 새로운 방법을 제시했습니다. 이 방법은 NSGA-II 알고리즘과의 통합을 통해 실제 문제에 대한 효용성을 입증하였으며, 다양한 분야에 폭넓은 영향을 미칠 것으로 기대됩니다.