Class Incremental Learning with Task-Specific Batch Normalization and Out-of-Distribution Detection
この論文は、タスク固有のバッチ正規化と分類ヘッドに「未知」クラスを導入して外れ値検出を行うことで、タスク識別子が利用できないクラス増分学習においてカタストロフィック・フォージングを抑制し、最先端の性能を達成する新しい継続的学習フレームワークを提案しています。
🤖 Category
cs.LG
2315 件の論文
Conditional Local Importance by Quantile Expectations
この論文は、LIME や SHAP などの既存手法が抱える局所的な変数依存関係の反映不足や多クラス分類への非適応性といった課題を克服し、変数間の局所的な依存関係や相互作用を捉えながら多クラス分類問題にも直接適用可能な新しいモデルアノニマな局所変数重要度測定手法「CLIQUE」を提案するものである。
A Novel Single-Layer Quantum Neural Network for Approximate SRBB-Based Unitary Synthesis
この論文は、リー代数とトポロジー的特性を活用して任意のユニタリ演算を近似する単一層の量子ニューラルネットワークを提案し、SRBB（標準再帰的ブロック基底）に基づくスケーラブルな手法を再構成して CNOT ゲート数を指数関数的に削減し、シミュレーションおよび実ハードウェアでの有効性を検証したものである。
Pairwise Comparisons without Stochastic Transitivity: Model, Theory and Applications
この論文は、従来のブラッドレー・テリーモデルなどが前提とする確率的推移性を不要とし、低次元の歪対称行列を用いてペア比較データをモデル化することで、多様なスキルや戦略が関わる実世界のシナリオにおいて最適な予測性能と推定理論的保証を実現する新しい統計モデルを提案しています。
Particle Trajectory Representation Learning with Masked Point Modeling
本論文は、液体アルゴン時間投影箱（LArTPC）の未ラベルデータから物理的に意味のある粒子軌道表現を学習する自己教師あり学習手法「PoLAr-MAE」を提案し、極めて少量のラベル付きデータで最先端の教師あり手法に匹敵する性能を達成するとともに、100 万イベント規模のデータセット「PILArNet-M」を公開したことを報告しています。
Graph machine learning for flight delay prediction due to holding manouver
本論文は、航空交通ネットワークの複雑な依存関係をグラフ機械学習（CatBoost と GAT）を用いてモデル化し、混雑や天候などに起因する航空機のホーディングによる遅延を予測する手法を提案し、不均衡データにおいて CatBoost が優れた性能と解釈可能性を示すとともに、リアルタイム予測ツールへの実装可能性を論じています。
Logarithmic Regret for Online KL-Regularized Reinforcement Learning
本論文は、KL 正則化がもたらす最適化の利点と楽観的報酬推定を巧みに組み合わせることで、オンライン文脈付きバンドットおよび強化学習において対数 regret 境界を達成する新しいアルゴリズムとその理論的解析を提案しています。
Boosting Cross-problem Generalization in Diffusion-Based Neural Combinatorial Solver via Inference Time Adaptation
この論文は、拡散モデルに基づく組み合わせ最適化ソルバーが追加学習なしで問題規模や問題種類（TSP から PCTSP や OP など）にわたる汎化性能を向上させるため、推論時の適応フレームワーク「DIFU-Ada」を提案し、その理論的基盤と有効性を示したものである。
Is CLIP ideal? No. Can we fix it? Yes!
CLIP の潜在空間が持つ本質的な幾何学的限界を理論的に証明し、画像パッチとテキストトークンの意味的トポロジーを保持する「密接コサイン類似度マップ（DCSM）」という新しいスコアリング手法を提案することで、CLIP の根本的な課題を克服し、多様なベンチマークで性能を向上させることを示した。
Are Deep Speech Denoising Models Robust to Adversarial Noise?
最新の深層音声除去モデルは、聴覚的に隠れた敵対的ノイズによって無意味な出力に誘導される脆弱性があり、安全な実用化には対抗策の確立が不可欠であることが示されました。
Learn to Bid as a Price-Maker Wind Power Producer
本論文は、価格形成者として市場価格に影響を与える風力発電事業者向けに、他の参加者の行動を推定する複雑な二階層最適化モデルに依存せず、文脈付き多腕バンディット問題として定式化されたオンライン学習アルゴリズムを提案し、ドイツの電力市場シミュレーションを通じてその有効性を検証したものである。
An Algorithm to perform Covariance-Adjusted Support Vector Classification in Non-Euclidean Spaces
この論文は、非ユークリッド空間における従来の最大マージン分類の限界を指摘し、クラス共分散構造をチョレスキー分解を用いて最適化問題に組み込むことで、精度や F1 スコアなどの性能を向上させる共分散調整型サポートベクター分類アルゴリズムを提案しています。
Rethinking Few-Shot Image Fusion: Granular Ball Priors Enable General-Purpose Deep Fusion
本論文は、手動設計された事前知識の信頼性を推定する「不完全事前知識」の概念と、粒状計算に基づく「GBPC アルゴリズム」を導入し、わずか 10 組の画像対のみで学習可能な軽量な汎用深層画像融合手法を提案するものです。
Offline Dynamic Inventory and Pricing Strategy: Addressing Censored and Dependent Demand
この論文は、需要の欠測（センサリング）と依存性を伴うオフラインデータを用いて、在庫管理と価格設定の最適方針を学習する新たなデータ駆動型アルゴリズムを提案し、その有効性を理論的および数値的に検証するものである。
Score Matching Diffusion Based Feedback Control and Planning of Nonlinear Systems
本論文は、非線形制御アフィン系（特にドリフトフリーおよび線形時不変システム）の確率密度を制御するために、白色ノイズによる前向き拡散過程と、これを目標分布へ誘導する決定論的逆拡散過程に基づく新しいフィードバック制御・計画フレームワークを提案し、その理論的保証と数値的有効性を示しています。
Scalable Multi-Task Learning through Spiking Neural Networks with Adaptive Task-Switching Policy for Intelligent Autonomous Agents
この論文は、タスク間干渉を抑制し、固定されたスイッチング間隔に依存しない適応的なタスクスイッチング方策を採用することで、リソース制約のある自律エージェントの効率的かつスケーラブルな多タスク学習を実現する新しい手法「SwitchMT」を提案し、その有効性をアタリゲームでの実験結果を通じて実証しています。
Panda: A pretrained forecast model for chaotic dynamics
進化アルゴリズムで発見された大規模なカオス力学系の合成データで事前学習された「Panda」は、低次元の常微分方程式のみを学習したにもかかわらず、ゼロショットで未知のカオス系や実世界の時間系列、さらには偏微分方程式の予測にも成功し、非線形力学における事前学習モデルの可能性を示しました。
LLLMs: A Data-Driven Survey of Evolving Research on Limitations of Large Language Models
この論文は、2022 年から 2025 年にかけての ACL および arXiv 論文 25 万件を分析し、大規模言語モデル（LLM）の限界に関する研究（LLLMs）が急速に拡大し、推論、一般化、幻覚、バイアス、セキュリティが主要な研究トピックであることをデータ駆動型で包括的に調査したものです。
Consistency-based Abductive Reasoning over Perceptual Errors of Multiple Pre-trained Models in Novel Environments
この論文は、新規環境における複数の事前学習済み知覚モデルの予測矛盾を、整合性に基づく帰納推論（アブダクション）として定式化し、論理的整合性を保ちつつ予測カバレッジを最大化する新しい枠組みを提案することで、単一モデルや標準的なアンサンブル手法を上回る頑健な性能を実現することを示しています。
CARTGen-IR: Synthetic Tabular Data Generation for Imbalanced Regression
本論文は、連続的なターゲット値の閾値設定を不要とし、解釈性と高速な実行を両立させるために、重回帰問題における不均衡データ処理のために CART（分類回帰木）に基づいた合成サンプリング手法「CARTGen-IR」を提案するものです。