related iamge

딥러닝 기반 COVID-19 기침 소리 진단: 놀라운 정확도 97% 달성!

본 연구는 심층 신경 의사결정 트리와 포레스트를 활용하여 COVID-19 기침 소리 진단 시스템을 개발한 결과를 제시합니다. 다양한 데이터셋에서 0.97~0.99의 AUC 점수를 달성하며 기존 기술을 능가하는 성능을 보였습니다. 데이터 불균형 문제 해결을 위한 SMOTE 기법과 베이지안 최적화를 통해 모델의 정확도를 극대화했습니다. 또한, 데이터셋 간의 차이점 분석을 통해 향후 연구 방향을 제시합니다.

related iamge

의료 영상의 혁신: GradProm 알고리즘이 가져온 새로운 가능성

동 장과 광팅 청 박사가 개발한 GradProm 알고리즘은 의료 영상 질 향상에 혁신을 가져왔습니다. 기존 모델의 한계를 극복하고, 다양한 시각적 과제의 상반되는 요구사항을 효과적으로 처리하는 GradProm은 실험 결과에서도 기존 최첨단 방법들을 능가하는 성능을 보여주었습니다. 이는 의료 영상 분석 및 진단 분야의 획기적인 발전을 예고하며, 향후 의료 현장에 긍정적인 영향을 미칠 것으로 기대됩니다.

related iamge

잊지 않는 악성코드 분류 시스템: MalCL의 등장

박지민, 지아현, 박민지, 모하마드 사이두르 라만, 오세은 연구팀이 개발한 MalCL 시스템은 GAN 기반 생성적 재현을 통해 악성코드 분류에서 파국적 망각 문제를 해결했습니다. Windows 악성코드 분류에서 기존 모델 대비 28% 향상된 55%의 정확도를 달성하며 우수성을 입증했습니다. GitHub를 통해 공개될 코드는 향후 연구 발전에 기여할 것으로 기대됩니다.

related iamge

BatStyler: 소스 없는 도메인 일반화의 새로운 지평을 열다

Xu Xiusheng 등 연구진이 개발한 BatStyler는 소스-프리 도메인 일반화(SFDG) 문제에 대한 혁신적인 해결책을 제시합니다. 다중 카테고리 설정에서의 스타일 합성 효율을 향상시킨 BatStyler는 기존 최고 성능을 뛰어넘는 결과를 보이며 SFDG 분야의 새로운 가능성을 열었습니다.

related iamge

센터 손실을 이용한 스펙트로그램으로부터의 차별적 특징 학습: 음성 감정 인식의 혁신

본 연구는 음성 감정 인식을 위한 혁신적인 방법을 제시합니다. 소프트맥스 크로스 엔트로피 손실과 센터 손실을 결합하여 스펙트로그램으로부터 차별적인 특징을 학습함으로써, 기존 방식보다 정확도를 3~4% 이상 향상시켰습니다. 이는 인간-컴퓨터 상호작용 및 다양한 응용 분야에 긍정적인 영향을 미칠 것으로 기대됩니다.