Yang 등(2025)의 연구는 자기 지도 학습 기반의 SCAM 알고리즘을 통해 시계열 예측 모델의 성능을 향상시키는 새로운 방법을 제시합니다. 기존 모델의 고품질 데이터 의존성 문제를 해결하고, 저품질 데이터까지 활용하여 일반화 성능을 높였으며, 실제 데이터셋을 통한 실험 결과로 효과를 검증했습니다.

무인 항공기(UAV)를 이용한 RF 신호원 위치 추정의 정확도를 높이기 위해, 향상된 시뮬레이션 모델과 3D 클러스터링 기반 딥러닝 모델을 결합한 새로운 방법이 제시되었습니다. 실제 환경 테스트에서 평균 18.2m의 오차만을 보이며 높은 정확도와 효율성을 입증했습니다.

Yan Huang 등 연구진이 개발한 IncepFormerNet은 Inception과 Transformer 아키텍처를 결합한 혁신적인 딥러닝 모델로, SSVEP 기반 BCI 시스템에서 높은 정확도(데이터셋 1: 87.41%, 데이터셋 2: 71.97%)를 달성했습니다. 다중 스케일 시간 정보 추출 및 다중 헤드 어텐션 메커니즘을 통해 SSVEP 신호의 복잡한 패턴을 효과적으로 분석하며, 기존 모델보다 우수한 성능을 보였습니다.

김승배, 이대은, 브리엘 스타크, 한진영 연구원팀이 개발한 제스처 인식 기반의 음성 인식 시스템은 영점 학습 기반의 다중 모달 대규모 언어 모델을 활용하여 언어 장애 환자의 의사소통을 향상시키는 획기적인 기술입니다. 제스처 정보를 통합함으로써 의미 이해도를 높였으며, 향후 언어 장애 환자를 위한 효과적인 의사소통 기술 개발에 기여할 것으로 기대됩니다.

Yu Guanyuan 등 연구진이 개발한 GraphShield는 동적 그래프 학습을 통해 금융 시스템 내 위험의 전파를 예측하고 방지하는 AI 기반 솔루션입니다. 시간적, 공간적 위험 전파 분석, 숨겨진 위험 감지, 위험 시각화 도구 제공 등의 혁신적인 기능을 통해 금융 안정성을 강화합니다.