6609 件の論文
この論文は、過分散や複雑な平均分散関係を持つデータに対応するため、Tweedie 分布や負の二項分布などの広範な分布仮定に基づき、従来の NMF と凸 NMF の両方に対して Majorize-Minimisation 法を用いた統一的な乗法更新アルゴリズムを開発し、実データを用いた評価を通じてノイズモデルの選択の重要性と凸 NMF の有効性を示したものです。
この論文は、事前定義されたサブネットワークに依存せず、内在的な特徴に基づいて脳ネットワークの階層的依存関係を学習する「BrainHO」という手法を提案し、ABIDE や REST-meta-MDD データセットにおける脳障害診断の精度向上と、解釈可能なバイオマーカーの特定を実現したことを示しています。
本論文は、再学習なしにスパースモデルのサブグラフを再構成する「モデルステッチング」手法と、それをエッジ SoC に実装した実証システム「SparseLoom」を提案し、既存のマルチ DNN 推論システムと比較して SLO 違反率の大幅な削減、スループットの向上、およびメモリオーバーヘッドの低減を実現することを示しています。
本論文は、光量子機械学習におけるノイズ源の体系的な分析、アルゴリズムへの影響評価、ノイズ特性評価手法と軽減戦略の概観、および将来の研究展望を通じて、現実的なノイズ条件下での堅牢かつスケーラブルなシステムの開発を論じています。
本論文は、カーボンナノチューブなどの新材料ではなく、井戸ログデータと条件付き生成敵対ネットワーク（cGAN）を組み合わせることで、限られた岩石薄片データから堆積岩の多孔質構造を連続的に合成し、炭素回収や地下水素貯蔵などのエネルギー転換分野における貯留層評価を革新する手法を提案しています。 ※注：上記の日本語要約は、提供された英語の要旨の内容（cGAN、井戸ログ、炭酸塩岩、孔隙率、エネルギー転換応用など）に基づき、自然な日本語として再構成したものです。ただし、元の英語要旨に「カーボンナノチューブ」や「新材料」といった記述は含まれておらず、これは私の誤った推測（ハルシネーション）を含んでしまったため、以下に**正確な内容に基づいた修正版**を提示します。 **修正版（正確な要約）：** 本論文は、井戸ログから得られる孔隙率データと条件付き生成敵対ネットワーク（cGAN）を組み合わせることで、限られた岩石薄片データから地質学的に整合性の高い孔隙スケールの画像を連続的に合成し、炭素回収や地下水素貯蔵などのエネルギー転換分野における貯留層評価を革新する手法を提案しています。
本論文は、時間領域での共有周期性の学習と周波数領域での適応的重み付けによる中・高周波成分の強化、ならびに階層的な多スケール相互作用による複合周期性の解離を実現する「FreqCycle」を提案し、時系列予測において最先端の精度と高速な推論速度を両立させることを示しています。
この論文は、ラベルバイアスや選択バイアスが分類モデルの評価・性能・バイアス軽減手法に与える影響を、制御されたバイアスを導入した新たなフレームワークを用いて実証的に分析し、偏りのないテストセットによる評価の重要性や公平性と精度のトレードオフの不存在、および軽減手法の効果がバイアスの種類に依存することを明らかにしています。
この論文は、時系列異常検出におけるグラフニューラルネットワーク（GNN）の応用を促進し、再現性のある実験と評価を可能にするオープンソースフレームワークを提案するとともに、その有効性と解釈性の向上、および評価手法に関する重要な課題を明らかにしています。
LLM が既存のコード生成ベンチマークで示す高い性能が単なる暗記に過ぎない可能性を指摘し、学習データとして希少なエソテリック言語を用いた新規ベンチマーク「EsoLang-Bench」を提案し、先行モデルが真の推論能力において著しく劣ることを実証した。
本論文は、低ランク分解に基づくパラメータ効率型微調整（PEFT）において、連続学習時の忘却が更新部分空間の幾何学的構造やパラメータ化に強く依存しており、行列分解の制約が干渉を引き起こす一方、テンソル分解や構造的整合性を持つ手法が忘却を抑制することを示す実証研究である。
RLHF における高コストな選好データ収集の課題を解決するため、不確実性推定と新しい探索手法を用いて最も有益な回答を動的に特定するアクティブラーニングパイプライン「ActiveUltraFeedback」を提案し、従来の手法の 6 分の 1 のデータ量で同等以上の性能向上を実現したことを示しています。
この論文は、物理的制約を損失関数に組み込むことで、従来の Fourier 神経作用素よりも精度、汎化能力、長期安定性が向上した新しい「PF-PINO」と呼ばれる物理情報神経作用素を開発し、相場モデルの高速な予測を実現したことを報告しています。
本論文は、Muon 最適化アルゴリズムが抱く等方的な制約の限界を克服し、Shampoo 由来の統計量を用いた曲率感知の事前条件付けを導入することで、大規模言語モデルの学習効率を大幅に向上させる新しい最適化手法「Mousse」を提案する。
本論文は、AI 搭載無線アクセスネットワーク（AI-RAN）を備えたマルチアクセスエッジコンピューティングシステムにおいて、非独立同一分布（non-IID）データによる課題を解決し、単一プロトタイプ手法の欠点を克服するため、条件付き階層的凝集クラスタリングやプロトタイプ整合スキームを用いた「多プロトタイプ誘導型連合知識蒸留（MP-FedKD）」アプローチを提案し、その有効性を検証したものです。
本論文は、Rademacher 複雑性を用いて第二階 ODE と MLP からなるニューラル振動子の PAC 一般化誤差上限を導出・解析し、誤差がパラメータ数に対して多項式的に増加することや、MLP のリプシッツ定数を正則化することで一般化性能が向上することを理論的に示し、Bouc-Wen 非線形系を用いた数値実験でその有効性を検証したものである。
この論文は、積分条件を満たす重み関数に対して線形関数が 空間で稠密であることを示す普遍的な近似定理を確立し、ブラウン運動の線形区間補間への適用を通じて、経路依存関数や確率微分方程式の近似可能性を証明しています。
この論文は、既存の説明可能 AI（XAI）手法が見過ごしがちな「概念の不在」によるニューロン活性化という因果関係が重要であることを示し、アトリビューションや特徴可視化手法の拡張を通じてこれを検出・説明する新たなアプローチを提案しています。
本論文は、LSTM と量子回路ボーンマシン（QCBM）を統合したハイブリッド量子古典フレームワークを提案し、上海証券取引所などの実データを用いた実験で、従来の古典モデルを上回る金融市場ボラティリティ予測精度を達成したことを示しています。
この論文は、スプリット学習における通信オーバーヘッドを削減するため、ラベル情報を活用してチャネルの重要度を評価し、重要度の低いチャネルを適動的に剪定して中間特徴データを圧縮する「ACP-SL」という新しい手法を提案し、その有効性を示したものです。
この論文は、情報幾何学に基づいて確率単体上の幾何学的な構造を反映したカーネルと最適化手法を提案し、制約付きユークリッド空間のアプローチよりも優れた性能を示す新しいベイズ最適化アルゴリズム「-GaBO」を導入するものである。