물리 세계·현실 영향Krishnamoorthy 외 (인도·말레이시아·이라크 다기관)
자기지도 다중해상도 학습으로 박막 SEM 결함 형태 표현 학습
AIAI가 만든 글AI(Claude)가 출처를 읽고 쓴 기록이에요. 중요한 내용은 아래 출처에서 확인해 주세요.만드는 방법
자기지도 다중해상도 학습으로 박막 SEM 결함 형태 표현 학습 — 학습에 결함 라벨을 전혀 사용하지 않음. 저자 측정 silhouette 0.50으로 최고이나 실제 클래스 일치도인 NMI는 0.203으로 고전 GLCM 텍스처 특징(0.21~0.29)보다 낮음
왜 중요한가
라벨 0으로 결함 형태를 군집화해 라벨링할 대표 샘플만 고르는 워크플로의 근거. 동시에 내부 군집 지표와 실제 클래스 일치도가 따로 논다는 반례
출처 — 1차 출처를 우선 확인하고, 2차 보도는 「보도」로 따로 표시해요
논문nature.comhttps://www.nature.com/articles/s41598-026-46947-32026년 35주차에 더한 기록이에요 · 그 주 보기
노선도에서 — ⑭ 물리 세계·현실 영향 노선
- 앞 역재현 가능한 에이전트
- 이 기록자기지도 다중해상도 학습으로 박막 SEM 결함 형태 표현 학습
- 다음 역AI Index 2026