슬로베니아 연구진이 개발한 HorNets는 이산 및 연속 신호 모두를 효과적으로 처리하는 혁신적인 신경망 아키텍처로, 특히 의료 분야 고차원 데이터에서 탁월한 성능을 보이며 자유로운 라이선스 하에 공개되어 폭넓은 활용이 기대됩니다.

Eric Nyiri와 Olivier Gibaru가 개발한 Relative LRP는 기존 LRP의 단점을 보완하여 더욱 안정적이고 신뢰할 수 있는 신경망 설명을 제공합니다. 다양한 신경망과 데이터셋에서 우수한 성능을 보이며, 하이퍼파라미터 튜닝이 필요 없다는 장점이 있습니다.

본 연구는 고차원 데이터 분석에서 특징 선택의 중요성을 강조하며, 기존의 단일 특징 평가 방식을 넘어 특징 간 상호작용을 고려하는 새로운 다중 목표 진화 알고리즘 기반의 특징 선택 방법을 제시합니다. 24개의 공개 데이터셋을 이용한 실험 결과는 제안된 방법의 우수성을 입증하며, 고차원 데이터 분석 분야에 혁신적인 발전을 가져올 것으로 기대됩니다.

본 연구는 조합형 제로샷 학습(CZSL)에서 상태와 객체 간의 관계를 효과적으로 학습하는 새로운 프레임워크 LPR을 제시합니다. 크로스 어텐션 메커니즘을 활용하여 미지의 조합 예측 성능을 향상시켰으며, 벤치마크 데이터셋에서 최고 성능을 달성했습니다.

Sunita Khod 등 연구팀은 AI와 비파괴 검사(NDT) 데이터를 활용하여 적층 제조 공정의 매개변수를 예측하는 모델을 개발했습니다. 이 모델은 99.3%의 높은 정확도를 달성하여 기존 상용 소프트웨어를 압도적으로 능가하는 성능을 보였습니다. 이 연구는 AI 기반 자동화를 통해 적층 제조 공정의 효율성과 품질을 크게 향상시킬 수 있음을 보여줍니다.